首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于改进人工蜂群的模糊C均值聚类算法研究

摘要第3-5页
Abstract第5-6页
第1章 绪论第9-14页
    1.1 研究背景及意义第9-10页
    1.2 国内外研究现状第10-12页
    1.3 本论文主要研究工作第12-14页
第2章 基本概念及经典算法第14-30页
    2.1 基本概念第14-18页
        2.1.1 数据挖掘第14-15页
        2.1.2 聚类第15-16页
        2.1.3 群智能算法第16-17页
        2.1.4 进化算法第17-18页
    2.2 经典算法第18-28页
        2.2.1 k-means算法第18-20页
        2.2.2 FCM算法第20-22页
        2.2.3 人工蜂群算法第22-24页
        2.2.4 差分进化算法第24-28页
    2.3 本章小结第28-30页
第3章 改进的人工蜂群算法第30-38页
    3.1 差分进化的几种变形第30-31页
    3.2 基于DE的人工蜂群算法第31-35页
        3.2.1 初始化第32页
        3.2.2 采蜜蜂阶段第32-34页
        3.2.3 观察蜂阶段第34页
        3.2.4 侦查蜂阶段第34-35页
    3.3 实验分析第35-37页
    3.4 本章小结第37-38页
第4章 改进的人工蜂群算法与FCM的结合第38-48页
    4.1 基本思想第38-39页
    4.2 基于改进人工蜂群的FCM算法(DEABC-FC)第39-40页
    4.3 实验结果分析第40-47页
        4.3.1 实验数据集第40-41页
        4.3.2 实验结果和性能评价第41-47页
    4.4 本章小结第47-48页
第5章 参数因子分析第48-60页
    5.1 控制参数分析第48-49页
    5.2 实验分析第49-58页
    5.3 本章小结第58-60页
第6章 总结与展望第60-63页
    6.1 论文工作总结第60-61页
    6.2 未来工作展望第61-63页
参考文献第63-68页
致谢第68-70页
在读期间发表的学术论文第70页

论文共70页,点击 下载论文
上一篇:智能监控中行人序列检索关键技术研究
下一篇:复杂环境下的图像显著性检测研究