遗传优化的K均值聚类算法
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景 | 第10-14页 |
| ·数据挖掘 | 第10-12页 |
| ·遗传算法 | 第12-14页 |
| ·本课题研究现状 | 第14-15页 |
| ·本文主要工作 | 第15页 |
| ·内容组织 | 第15-18页 |
| 第二章 相关技术概述 | 第18-34页 |
| ·聚类分析算法 | 第18-23页 |
| ·聚类算法的基本理论 | 第18-19页 |
| ·主要聚类分析方法 | 第19-21页 |
| ·聚类有效性评价 | 第21-23页 |
| ·K 均值聚类算法 | 第23-28页 |
| ·K 均值聚类算法的基本思想 | 第23页 |
| ·K 均值聚类算法流程 | 第23-24页 |
| ·K 均值聚类算法实现 | 第24-26页 |
| ·K 均值聚类算法的不足与改进 | 第26-28页 |
| ·基本遗传算法 | 第28-33页 |
| ·基本遗传算法构成要素 | 第28-30页 |
| ·基本遗传算法描述 | 第30-31页 |
| ·基本遗传算法研究进展 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 遗传优化的K 均值聚类算法 | 第34-44页 |
| ·问题的提出 | 第34-35页 |
| ·遗传优化的K 均值聚类算法 | 第35-38页 |
| ·算法的基本流程 | 第35页 |
| ·染色体编码 | 第35-36页 |
| ·初始种群的确定 | 第36页 |
| ·适应度函数的构造 | 第36-37页 |
| ·K 值的自动学习 | 第37页 |
| ·遗传算子的设计 | 第37-38页 |
| ·算法实现 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 实验结果分析 | 第44-52页 |
| ·实验设计 | 第44-45页 |
| ·实验工具 | 第44页 |
| ·实验数据 | 第44-45页 |
| ·实验模块介绍 | 第45-46页 |
| ·实验结果分析 | 第46-50页 |
| ·仿真实验一 | 第46-48页 |
| ·仿真实验二 | 第48-49页 |
| ·电信长途业务分析 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 遗传优化的K 均值聚类算法在电信中的应用 | 第52-58页 |
| ·电信背景 | 第52-55页 |
| ·聚类分析方法在电信中的应用 | 第52-54页 |
| ·电信客户分群的意义 | 第54-55页 |
| ·应用设计 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 结论与展望 | 第58-60页 |
| ·结论 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的学术论文 | 第66页 |
