| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及选题意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 数据挖掘研究现状 | 第12页 |
| 1.2.2 聚类算法研究现状 | 第12-14页 |
| 1.2.3 遗传算法研究现状 | 第14-15页 |
| 1.2.4 混合聚类算法研究现状 | 第15页 |
| 1.2.5 论文的内容安排 | 第15-17页 |
| 第2章 聚类分析的基本理论 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 聚类分析的概念 | 第17-18页 |
| 2.3 聚类分析的要求 | 第18-19页 |
| 2.4 聚类分析的数据结构 | 第19-20页 |
| 2.4.1 聚类分析的数据结构 | 第19-20页 |
| 2.5 距离与相似性度量 | 第20-23页 |
| 2.5.1 距离函数 | 第20-22页 |
| 2.5.2 类间距离 | 第22-23页 |
| 2.6 聚类算法的分类 | 第23-26页 |
| 2.6.1 基于划分方法 | 第23页 |
| 2.6.2 基于层次方法 | 第23-25页 |
| 2.6.3 基于密度方法 | 第25页 |
| 2.6.4 基于模型方法 | 第25-26页 |
| 2.6.5 基于网格方法 | 第26页 |
| 2.7 聚类分析在数据挖掘中的应用 | 第26-28页 |
| 2.7.1 数据挖掘的基本概念 | 第26-27页 |
| 2.7.2 数据挖掘的任务 | 第27-28页 |
| 2.7.3 聚类挖掘技术的应用 | 第28页 |
| 2.8 本章小结 | 第28-29页 |
| 第3章 基于自适应遗传算法的K-means聚类算法 | 第29-44页 |
| 3.1 引言 | 第29页 |
| 3.2 遗传算法的介绍 | 第29-33页 |
| 3.2.1 遗传算法基本思想 | 第29页 |
| 3.2.2 遗传算法的基本要素 | 第29-31页 |
| 3.2.3 遗传算法的基本流程 | 第31-33页 |
| 3.3 K-means聚类算法的介绍 | 第33-34页 |
| 3.3.1 K-means聚类算法将基本思想 | 第33-34页 |
| 3.3.2 K-means聚类算法描述 | 第34页 |
| 3.3.3 K-means聚类算法优缺点 | 第34页 |
| 3.4 基于自适应遗传算法的K-means聚类算法的具体操作 | 第34-40页 |
| 3.4.1 染色体编码 | 第35-36页 |
| 3.4.2 种群初始化 | 第36页 |
| 3.4.3 适应度函数设计 | 第36页 |
| 3.4.4 选择算子 | 第36-37页 |
| 3.4.5 自适应交叉和变异算子 | 第37页 |
| 3.4.6 K-means聚类操作 | 第37-38页 |
| 3.4.7 算法流程 | 第38-40页 |
| 3.5 实验结果和分析 | 第40-43页 |
| 3.5.1 数据集描述 | 第40-41页 |
| 3.5.2 算法测试 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于DNA遗传算法的K-means聚类算法 | 第44-59页 |
| 4.1 引言 | 第44-45页 |
| 4.2 DNA遗传算法的操作过程 | 第45-51页 |
| 4.2.1 DNA编码和解码 | 第45-46页 |
| 4.2.2 种群初始化 | 第46页 |
| 4.2.3 适应度函数设计 | 第46-47页 |
| 4.2.4 交叉算子 | 第47-49页 |
| 4.2.5 变异算子 | 第49-50页 |
| 4.2.6 选择算子 | 第50页 |
| 4.2.7 逐级进化策略 | 第50-51页 |
| 4.3 K-means聚类操作 | 第51页 |
| 4.4 算法流程 | 第51-53页 |
| 4.5 实验结果和分析 | 第53-57页 |
| 4.5.1 方案一 | 第53-54页 |
| 4.5.2 方案二 | 第54-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第5章 结论与展望 | 第59-61页 |
| 5.1 结论 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间参加的科研项目和成果 | 第65页 |
