首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

聚类分析优化关键技术研究

作者简介第1-4页
摘要第4-6页
ABSTRACT第6-12页
第一章 绪论第12-22页
   ·课题背景第12-13页
   ·研究现状第13-18页
     ·数据挖掘第13页
     ·聚类分析第13-16页
     ·文本聚类第16-18页
   ·论文的研究内容、研究方法及主要成果第18-20页
   ·论文的组织结构第20-22页
第二章 聚类分析相关技术第22-44页
   ·聚类分析概述第22-23页
   ·主要聚类算法介绍第23-27页
   ·聚类分析最新进展第27-34页
     ·融合计算智能的聚类方法第27-28页
     ·近邻传播聚类第28-31页
     ·子空间聚类第31-32页
     ·谱聚类第32-33页
     ·半监督聚类第33-34页
   ·聚类有效性评价第34-36页
   ·实验数据集及实验系统介绍第36-43页
   ·本章小结第43-44页
第三章 改进的快速粒子群优化聚类算法第44-66页
   ·粒子群优化第44-47页
   ·粒子群优化研究进展第47-48页
   ·粒子群优化聚类算法第48-49页
   ·改进的快速粒子群优化聚类第49-54页
     ·数据预处理第50页
     ·改进的粒子群优化聚类算法第50-52页
     ·实验结果第52-54页
   ·一种新的两阶段混合粒子群优化聚类第54-65页
     ·基于凝聚层次聚类的初始聚类中心生成算法第55-57页
     ·融合混沌思想的粒子群优化聚类算法第57-60页
     ·实验结果第60-65页
   ·本章小结第65-66页
第四章 基于粒子群优化的聚类算法参数优选方法第66-90页
   ·改进的粒子群优化模糊聚类算法第66-75页
     ·模糊 C-均值聚类算法(FCM)第67-68页
     ·模糊加权指数 m 的研究第68-70页
     ·改进的粒子群优化模糊聚类算法第70-71页
     ·实验结果第71-75页
   ·改进的粒子群优化密度聚类算法第75-82页
     ·DBSCAN 密度聚类算法第75-77页
     ·改进的粒子群优化密度聚类算法第77-78页
     ·实验结果第78-82页
   ·一种新的聚类有效性指标自动验证方法第82-88页
     ·聚类有效性指标第83-84页
     ·一种新的基于粒子群优化聚类的聚类有效性验证方法第84-86页
     ·实验结果第86-88页
   ·本章小结第88-90页
第五章 一种新的半监督粒子群优化聚类方法第90-104页
   ·半监督学习方法第90-91页
   ·半监督聚类方法第91-94页
     ·基于约束的半监督聚类算法第91-92页
     ·基于距离度量的半监督聚类算法第92-93页
     ·融合约束与距离的半监督聚类算法第93-94页
   ·一种新的半监督粒子群优化聚类算法第94-98页
     ·成对约束半监督训练第94-97页
     ·半监督粒子群优化聚类第97-98页
   ·实验结果第98-103页
   ·本章小结第103-104页
第六章 基于聚类过程统计的文本划分聚类算法第104-138页
   ·文本聚类技术的现状与发展第104-106页
   ·无监督特征降维方法第106-109页
       ·特征选择方法第106-109页
       ·特征抽取方法第109页
   ·文本表示模型第109-114页
   ·基于聚类过程统计文本聚类算法第114-121页
     ·文本数据预处理第114-115页
     ·基于聚类过程统计的初始聚类中心选择方法第115-117页
     ·一种新的文本划分聚类算法第117-121页
   ·半监督文本聚类算法第121-123页
   ·实验结果第123-133页
   ·在企业竞争情报系统中的应用第133-137页
   ·本章小结第137-138页
第七章 总结与展望第138-142页
   ·研究工作总结第138-140页
   ·进一步的工作与展望第140-142页
致谢第142-144页
参考文献第144-162页
攻读博士学位期间的研究成果第162-164页
 学术论文第162-163页
 专利第163页
 软件著作权第163页
 参加研究的科研项目第163-164页

论文共164页,点击 下载论文
上一篇:图像色外观再现技术研究
下一篇:转轴—密封系统的动力特性研究