蚁群算法及其在聚类中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-22页 |
| ·数据挖掘 | 第9-13页 |
| ·聚类分析 | 第13-17页 |
| ·聚类分析的概念 | 第13-14页 |
| ·聚类中的相似度计算 | 第14-15页 |
| ·几种聚类分析方法 | 第15-17页 |
| ·蚁群算法 | 第17-20页 |
| ·蚁群算法模型的建立 | 第17-19页 |
| ·蚁群算法在数据挖掘中的应用 | 第19-20页 |
| ·本文的组织 | 第20-22页 |
| 第2章 蚁群算法与蚁群聚类算法 | 第22-29页 |
| ·蚁群算法的概念 | 第22-25页 |
| ·蚁群算法的分类 | 第22-23页 |
| ·蚁群算法的研究现状及发展趋势 | 第23-25页 |
| ·蚁群聚类算法的基本模型 | 第25-26页 |
| ·蚁群聚类算法 | 第26-28页 |
| ·蚁群聚类算法分类 | 第26页 |
| ·几种蚁群聚类算法 | 第26-28页 |
| ·小结 | 第28-29页 |
| 第3章 信息素增量动态更新的改进蚁群算法 | 第29-38页 |
| ·求解TSP问题的基本蚁群算法 | 第29-30页 |
| ·蚁群系统 | 第30-31页 |
| ·信息素增量动态更新的改进蚁群算法 | 第31-37页 |
| ·基本蚁群算法的不足 | 第31-32页 |
| ·蚁群优化算法的改进策略 | 第32-34页 |
| ·改进后蚁群算法的流程 | 第34-35页 |
| ·实验结果及分析 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第4章 离差最大化赋权的蚁群聚类算法 | 第38-46页 |
| ·基于蚂蚁觅食原理的聚类算法 | 第38-39页 |
| ·离差最大化赋权算法 | 第39-41页 |
| ·多属性决策 | 第39页 |
| ·离差最大化赋权算法 | 第39-41页 |
| ·基于离差最大化赋权的蚁群聚类算法 | 第41-45页 |
| ·属性权重对算法聚类结果的影响 | 第41-43页 |
| ·改进后的算法 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第5章 基于LF算法的改进FCM算法 | 第46-54页 |
| ·模糊聚类算法 | 第46-50页 |
| ·系统聚类法 | 第46-47页 |
| ·逐步聚类法 | 第47-48页 |
| ·模糊C均值聚类算法 | 第48-50页 |
| ·LF算法 | 第50-51页 |
| ·基于LF算法的改进FCM算法 | 第51-53页 |
| ·两种算法的互补性分析 | 第51-52页 |
| ·算法描述 | 第52页 |
| ·仿真实验和结果分析 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| ·本文的工作总结 | 第54页 |
| ·进一步的工作 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
