基于蚁群算法的分类规则发现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-9页 |
| ·研究背景 | 第7-8页 |
| ·本文研究的主要内容 | 第8页 |
| ·论文的组织 | 第8-9页 |
| 第二章 分类问题的原理和方法 | 第9-18页 |
| ·数据挖掘概述 | 第9页 |
| ·分类问题概述 | 第9-12页 |
| ·分类问题的数学描述 | 第10页 |
| ·分类的过程和方法 | 第10-11页 |
| ·分类问题的预处理 | 第11-12页 |
| ·分类方法的评价标准 | 第12页 |
| ·分类问题的实现算法 | 第12-17页 |
| ·基于决策树的归纳分类 | 第12-14页 |
| ·基于人工神经网络的分类 | 第14-15页 |
| ·基于统计的贝叶斯分类 | 第15-16页 |
| ·其他方法 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 蚁群优化算法 | 第18-31页 |
| ·基本的蚁群算法 | 第18-24页 |
| ·基本蚁群算法原理 | 第18-19页 |
| ·基本蚁群算法模型及实现 | 第19-21页 |
| ·基本蚁群算法参数特性 | 第21-24页 |
| ·蚁群算法的研究现状 | 第24-27页 |
| ·Max-Min蚁群算法 | 第24-25页 |
| ·具有变异特征的蚁群算法 | 第25页 |
| ·分段求解的蚁群算法 | 第25-26页 |
| ·带杂交算子的蚁群算法 | 第26页 |
| ·随机扰动的蚁群算法 | 第26-27页 |
| ·蚁群算法的应用研究 | 第27-29页 |
| ·在静态组合优化中的应用 | 第27-28页 |
| ·在动态组合优化中的应用 | 第28页 |
| ·在求解连续空间优化问题中的应用 | 第28页 |
| ·在其他领域的应用 | 第28-29页 |
| ·蚁群算法的优点及存在的问题 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于蚁群算法的分类规则发现 | 第31-39页 |
| ·背景介绍 | 第31页 |
| ·分类规则的蚁群挖掘算法 | 第31-38页 |
| ·基于蚁群算法的分类模型 | 第31-33页 |
| ·改进算法ACR的框架 | 第33-35页 |
| ·算法的实现 | 第35-37页 |
| ·选取term(属性和属性分区)的概率公式 | 第35页 |
| ·基于贝叶斯的属性选择启发式公式 | 第35-36页 |
| ·信息素更新 | 第36页 |
| ·启发式因子 | 第36页 |
| ·规则质量的衡量 | 第36-37页 |
| ·规则修剪 | 第37页 |
| ·实验结果与分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 结论 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-45页 |
| 附录 | 第45页 |
