| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 选题背景和研究意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 论文主要研究内容 | 第11-12页 |
| 1.4 论文整体结构 | 第12-13页 |
| 第2章 群体智能优化算法 | 第13-20页 |
| 2.1 群体智能优化算法概述 | 第13-14页 |
| 2.2 粒子群优化算法 | 第14-15页 |
| 2.3 人工蜂群优化算法 | 第15-16页 |
| 2.4 果蝇优化算法 | 第16-17页 |
| 2.5 蝙蝠优化算法 | 第17-18页 |
| 2.6 鸡群优化算法 | 第18-20页 |
| 第3章 聚类分析理论和算法 | 第20-29页 |
| 3.1 聚类分析概述 | 第20页 |
| 3.2 聚类分析算法的要求 | 第20-21页 |
| 3.3 聚类分析中的数据结构 | 第21-22页 |
| 3.4 相似性计算方法 | 第22-23页 |
| 3.5 典型的聚类分析算法 | 第23-29页 |
| 3.5.1 基于划分的方法 | 第24-26页 |
| 3.5.2 基于层次的方法 | 第26页 |
| 3.5.3 基于密度的方法 | 第26-27页 |
| 3.5.4 基于网格的方法 | 第27-28页 |
| 3.5.5 基于模型的方法 | 第28-29页 |
| 第4章 改进蝙蝠算法及与K-means算法的结合 | 第29-41页 |
| 4.1 蝙蝠算法的基本原理 | 第29-31页 |
| 4.2 蝙蝠算法改进 | 第31-37页 |
| 4.2.1 改进算法流程 | 第34页 |
| 4.2.2 实验仿真结果与分析 | 第34-37页 |
| 4.3 基于改进蝙蝠算法的K-means聚类算法 | 第37-39页 |
| 4.3.1 算法流程描述 | 第37页 |
| 4.3.2 实验仿真结果与分析 | 第37-39页 |
| 4.4 小结 | 第39-41页 |
| 第5章 改进鸡群算法及与K-means算法的结合 | 第41-60页 |
| 5.1 鸡群算法的基本原理 | 第41-43页 |
| 5.2 基于改进模拟退火的鸡群算法 | 第43-51页 |
| 5.2.1 改进算法描述 | 第46-47页 |
| 5.2.2 实验仿真与分析 | 第47-51页 |
| 5.3 基于混合差分变异的鸡群算法 | 第51-56页 |
| 5.3.1 改进算法描述 | 第52-53页 |
| 5.3.2 仿真实验测试 | 第53-56页 |
| 5.4 基于混合差分变异鸡群算法的K-means聚类算法 | 第56-59页 |
| 5.4.1 算法流程描述 | 第56-57页 |
| 5.4.2 实验仿真结果与分析 | 第57-59页 |
| 5.5 小结 | 第59-60页 |
| 第6章 总结和展望 | 第60-62页 |
| 6.1 论文工作总结 | 第60-61页 |
| 6.2 对未来工作的展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间的研究成果 | 第67-68页 |