| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景和意义 | 第12-13页 |
| ·数据挖掘概述 | 第13-17页 |
| ·数据挖掘概念及其过程 | 第13-14页 |
| ·数据挖掘的主要算法 | 第14-17页 |
| ·本文研究内容 | 第17页 |
| ·本文组织结构 | 第17-18页 |
| 第二章 模糊聚类算法 | 第18-23页 |
| ·模糊聚类概述和研究现状 | 第18-19页 |
| ·模糊聚类概述 | 第18-19页 |
| ·模糊聚类研究现状 | 第19页 |
| ·常用模糊聚类算法简介 | 第19-22页 |
| ·模糊C-均值聚类算法 | 第19-21页 |
| ·核模糊C-均值聚类算法 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于人工蜂群的模糊聚类算法 | 第23-43页 |
| ·群智能算法 | 第23-27页 |
| ·群智能算法简介 | 第23页 |
| ·几种常见的群智能算法 | 第23-27页 |
| ·人工蜂群算法简介 | 第27-30页 |
| ·人工蜂群算法的生物模型 | 第27-28页 |
| ·人工蜂群算法 | 第28-30页 |
| ·基于人工蜂群的模糊聚类算法 | 第30-36页 |
| ·基于人工蜂群的FCM（ABFM）算法 | 第30-31页 |
| ·基于人工蜂群的KFCM（ABC—KFCM）算法 | 第31-32页 |
| ·实验结果分析 | 第32-36页 |
| ·基于 Boltzmann 选择的人工蜂群的模糊聚类算法 | 第36-41页 |
| ·Boltzmann 选择机制 | 第36页 |
| ·小区间法 | 第36-37页 |
| ·基于Boltzmann 选择的改进 ABFM 算法 | 第37-38页 |
| ·基于Boltzmann 选择的改进 ABC—KFCM 算法 | 第38页 |
| ·实验结果 | 第38-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 基于拉普拉斯特征映射的TE 化工过程模糊聚类算法 | 第43-52页 |
| ·TE 过程 | 第43-45页 |
| ·工艺过程概况 | 第43-44页 |
| ·TE 过程故障 | 第44-45页 |
| ·流行学习简介 | 第45-47页 |
| ·基于拉普拉斯特征映射的ABC-FCM 算法 | 第47-48页 |
| ·拉普拉斯特征根映射法 | 第47-48页 |
| ·基于拉普拉斯特征映射的ABFM 算法 | 第48页 |
| ·实验结果分析 | 第48-51页 |
| ·UCI 数据集 | 第48-49页 |
| ·TE 数据集 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 结论与展望 | 第52-54页 |
| 结论 | 第52页 |
| 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录 攻读硕士学位期间所发表的学术论文 | 第59页 |
