基于生物地理优化算法的聚类研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第5-9页 |
| 第一章 绪论 | 第9-23页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 研究现状 | 第11-21页 |
| 1.2.1 聚类算法的研究现状 | 第11-15页 |
| 1.2.2 仿生优化算法 | 第15-21页 |
| 1.3 论文的主要工作及结构安排 | 第21-23页 |
| 第二章 基于局部优化的BBO聚类算法 | 第23-35页 |
| 2.1 生物地理优化算法 | 第23-26页 |
| 2.1.1 生物地理优化数学模型 | 第23-25页 |
| 2.1.2 生物地理优化算法 | 第25-26页 |
| 2.2 基于局部优化的生物地理优化的聚类算法 | 第26-29页 |
| 2.2.1 编码方法 | 第26-27页 |
| 2.2.2 适应度函数 | 第27页 |
| 2.2.3 改进的迁移操作 | 第27-28页 |
| 2.2.4 算法描述 | 第28-29页 |
| 2.3 实验结果与分析 | 第29-31页 |
| 2.3.1 实验数据 | 第29页 |
| 2.3.2 参数设置 | 第29页 |
| 2.3.3 算法有效性分析 | 第29-30页 |
| 2.3.4 算法收敛性分析 | 第30-31页 |
| 2.4 参数对聚类有效性的影响 | 第31-33页 |
| 2.4.1 群体数目对聚类有效性的影响 | 第31-32页 |
| 2.4.2 突变率对聚类有效性的影响 | 第32-33页 |
| 2.5 小结 | 第33-35页 |
| 第三章 基于BBO和SOM的聚类算法 | 第35-45页 |
| 3.1 自组织映射网络 | 第35-38页 |
| 3.1.1 自组织映射神经网络模型 | 第35-36页 |
| 3.1.2 SOM算法工作原理 | 第36-38页 |
| 3.2 基于生物地理优化和自组织映射的聚类算法 | 第38-41页 |
| 3.2.1 基于改进SOM的种群初始化 | 第38-41页 |
| 3.2.2 算法描述 | 第41页 |
| 3.3 实验结果分析 | 第41-44页 |
| 3.3.1 算法有效性分析 | 第42页 |
| 3.3.2 参数学习率对算法的影响 | 第42-44页 |
| 3.4 小结 | 第44-45页 |
| 第四章 基于混合BBO算法的文本数据聚类 | 第45-53页 |
| 4.1 基于混合BBO算法的文本数据聚类 | 第45-46页 |
| 4.2 文本聚类 | 第46-50页 |
| 4.2.1 文本数据预处理 | 第47-49页 |
| 4.2.2 相似性计算 | 第49-50页 |
| 4.3 实验数据集 | 第50页 |
| 4.4 实验结果与分析 | 第50-52页 |
| 4.5 小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 全文总结 | 第53-54页 |
| 5.2 进一步研究工作 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 攻读学位期间承担的科研任务与主要成果 | 第61-63页 |
| 致谢 | 第63-65页 |
| 个人简历 | 第65-66页 |
