人工蜂群算法的改进及在空间聚类中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 空间聚类分析研究现状 | 第10-11页 |
| 1.2.2 人工蜂群算法研究现状 | 第11-13页 |
| 1.3 问题分析 | 第13页 |
| 1.4 研究内容与组织结构 | 第13-15页 |
| 1.4.1 论文主要研究内容 | 第13-14页 |
| 1.4.2 论文组织结构 | 第14-15页 |
| 第二章 相关理论与技术基础 | 第15-28页 |
| 2.1 聚类分析 | 第15-17页 |
| 2.1.1 聚类的定义 | 第15页 |
| 2.1.2 聚类过程分析 | 第15-16页 |
| 2.1.3 相似性度量方法 | 第16-17页 |
| 2.2 空间聚类分析 | 第17-22页 |
| 2.2.1 空间聚类分析的概念与形式化描述 | 第17-18页 |
| 2.2.2 空间实体信息模型 | 第18-20页 |
| 2.2.3 空间聚类分析的流程 | 第20-21页 |
| 2.2.4 空间聚类算法 | 第21-22页 |
| 2.3 模糊集合理论和模糊聚类 | 第22-26页 |
| 2.3.1 模糊集合理论 | 第22-24页 |
| 2.3.2 模糊聚类 | 第24-26页 |
| 2.4 群智能优化算法 | 第26-27页 |
| 2.4.1 群智能优化算法的计算机制 | 第26页 |
| 2.4.2 群智能优化算法的特点 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 人工蜂群算法的研究及改进 | 第28-43页 |
| 3.1 人工蜂群算法简介 | 第28-32页 |
| 3.1.1 人工蜂群算法的基本模型 | 第28-29页 |
| 3.1.2 人工蜂群算法的流程 | 第29-32页 |
| 3.1.3 人工蜂群算法的特点 | 第32页 |
| 3.2 人工蜂群算法的改进 | 第32-34页 |
| 3.2.1 蜜源更新公式的改进 | 第32-33页 |
| 3.2.2 选择机制的改进 | 第33-34页 |
| 3.2.3 改进算法的流程 | 第34页 |
| 3.3 实验结果 | 第34-42页 |
| 3.3.1 测试函数及参数设置 | 第34-38页 |
| 3.3.2 蜜源更新公式对比实验 | 第38-39页 |
| 3.3.3 选择机制对比实验 | 第39-40页 |
| 3.3.4 改进算法的对比实验 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 人工蜂群聚类算法 | 第43-52页 |
| 4.1 FCM算法和HCM算法 | 第43-46页 |
| 4.1.2 硬C-划分空间和模糊C-划分空间 | 第43页 |
| 4.1.3 硬C-均值聚类算法（HCM） | 第43-44页 |
| 4.1.4 模糊C-均值聚类算法（FCM） | 第44-46页 |
| 4.2 评价函数 | 第46页 |
| 4.3 群智能聚类算法 | 第46-49页 |
| 4.3.1 人工蜂群聚类算法 | 第47-48页 |
| 4.3.2 混合的聚类算法 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-51页 |
| 4.4.1 实验结果 | 第49-51页 |
| 4.4.2 结果分析 | 第51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 人工蜂群算法在空间聚类中的应用 | 第52-64页 |
| 5.1 实验数据 | 第52-55页 |
| 5.2 数据预处理 | 第55-59页 |
| 5.2.1 数据标准化 | 第55-57页 |
| 5.2.2 确定属性权重 | 第57-59页 |
| 5.3 实验结果与分析 | 第59-63页 |
| 5.3.1 实验结果 | 第59-63页 |
| 5.3.2 结果分析 | 第63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 论文总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 作者简历 | 第71页 |
