基于粒子群优化算法的数据挖掘研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-14页 |
| ·课题的研究背景及意义 | 第11-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13页 |
| ·本章小结 | 第13-14页 |
| 第2章 数据挖掘技术 | 第14-23页 |
| ·数据挖掘的定义 | 第14-15页 |
| ·数据挖掘的任务 | 第15-18页 |
| ·数据挖掘的方法 | 第18-19页 |
| ·决策树 | 第18页 |
| ·关联与统计分析方法 | 第18页 |
| ·神经网络 | 第18-19页 |
| ·最近邻接方法 | 第19页 |
| ·数据挖掘与其它技术 | 第19-20页 |
| ·数据挖掘的应用 | 第20页 |
| ·数据挖掘国内外现状 | 第20-21页 |
| ·未来的研究方向 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 关联规则挖掘理论与技术 | 第23-32页 |
| ·关联规则相关概念 | 第24-25页 |
| ·基本概念描述 | 第24-25页 |
| ·关联规则挖掘步骤 | 第25页 |
| ·Apriori 算法 | 第25-28页 |
| ·Apriori 算法介绍 | 第25-27页 |
| ·Apriori 算法分析 | 第27-28页 |
| ·Apriori 算法的优化 | 第28-30页 |
| ·散列技术 | 第28页 |
| ·事务压缩 | 第28页 |
| ·划分 | 第28-29页 |
| ·抽样 | 第29页 |
| ·动态项集计数 | 第29-30页 |
| ·基于矩阵按位存储的关联规则挖掘算法 | 第30-31页 |
| ·算法介绍 | 第30-31页 |
| ·算法分析 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第4章 PSO 算法基础理论与方法 | 第32-40页 |
| ·PSO 算法的产生与发展 | 第32页 |
| ·PSO 算法的描述 | 第32-33页 |
| ·算法分析 | 第33-34页 |
| ·PSO 算法的相关改进 | 第34-36页 |
| ·自适应 PSO | 第34-35页 |
| ·带选择机制的 PSO | 第35页 |
| ·带空间邻域的 PSO | 第35页 |
| ·带变异算子的 PSO | 第35-36页 |
| ·免疫 PSO 算法 | 第36页 |
| ·PSO 算法的相关技术 | 第36-37页 |
| ·编码 | 第36页 |
| ·适应度函数 | 第36-37页 |
| ·关键参数确定 | 第37页 |
| ·PSO 算法的应用 | 第37-39页 |
| ·经典优化问题求解 | 第38页 |
| ·电力系统的应用 | 第38页 |
| ·计算机领域中的应用 | 第38页 |
| ·控制领域中的应用 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 基于 PSO 算法的空间聚类 | 第40-44页 |
| ·空间聚类概念 | 第40-42页 |
| ·空间数据的复杂性 | 第40页 |
| ·空间聚类算法 | 第40-42页 |
| ·基于 PSO 算法的空间聚类 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第6章 基于 PSO 空间聚类的关联规则数据挖掘 | 第44-54页 |
| ·基于 PSO 空间聚类算法实现的数据库划分 | 第44-45页 |
| ·基于 PSO 空间聚类的关联规则数据挖掘 | 第45页 |
| ·算法的具体应用 | 第45-53页 |
| ·本章小结 | 第53-54页 |
| 第7章 结论与展望 | 第54-56页 |
| ·结论 | 第54页 |
| ·未来工作的展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第62页 |
