能耗监管数据的关联与聚类分析研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 本文选题背景及研究意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-16页 |
| 1.2.1 能耗监管数据国内外研究现状 | 第8-9页 |
| 1.2.2 关联规则的研究现状 | 第9-11页 |
| 1.2.3 聚类分析的研究现状 | 第11-13页 |
| 1.2.4 本文能耗监管数据的来源 | 第13-14页 |
| 1.2.5 本文主要工作与组织结构 | 第14-16页 |
| 第二章 融合粒子群与引力搜索的关联规则提取算法 | 第16-27页 |
| 2.1 基于频集的关联规则挖掘 | 第16-17页 |
| 2.2 粒子群与引力搜索的融合算法 | 第17-22页 |
| 2.2.1 粒子群优化算法 | 第17-18页 |
| 2.2.2 引力搜索算法 | 第18-19页 |
| 2.2.3 融合方式 | 第19-20页 |
| 2.2.4 系数自适应方法 | 第20-22页 |
| 2.3 实验结果与分析 | 第22-26页 |
| 2.3.1 UCI数据集测试 | 第22-24页 |
| 2.3.2 能耗监管数据的关联分析结果 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于非线性低维特征提取的谱聚类算法 | 第27-41页 |
| 3.1 谱聚类原理及问题 | 第27-28页 |
| 3.2 基于特征提取的谱聚类算法 | 第28-30页 |
| 3.2.1 非线性低维嵌入的特征提取 | 第28-29页 |
| 3.2.2 矩阵分解 | 第29-30页 |
| 3.2.3 对特征向量的k-means聚类 | 第30页 |
| 3.3 实验结果及分析 | 第30-40页 |
| 3.3.1 UCI数据对比实验 | 第30-33页 |
| 3.3.2 能耗监管数据实验 | 第33-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于谱分析初始化信息素表的蚁群聚类算法 | 第41-57页 |
| 4.1 相关理论基础 | 第41-43页 |
| 4.2 融合图谱分析理论的蚁群聚类算法 | 第43-46页 |
| 4.2.1 信息素矩阵初始化 | 第43-44页 |
| 4.2.2 数据点的类别判定和信息素的更新 | 第44页 |
| 4.2.3 目标函数 | 第44-46页 |
| 4.3 实验结果及分析 | 第46-56页 |
| 4.3.1 UCI数据集实验 | 第47-50页 |
| 4.3.2 能耗监管数据分析 | 第50-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 结论与展望 | 第57-59页 |
| 5.1 主要结论 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第65页 |
