聚类集成优化方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 生成聚类成员研究现状 | 第10-11页 |
| 1.2.2 集成算法研究现状 | 第11-12页 |
| 1.2.3 进化算法研究现状 | 第12-15页 |
| 1.3 存在问题 | 第15页 |
| 1.4 本文研究内容 | 第15-16页 |
| 1.5 本文组织结构 | 第16-17页 |
| 第2章 聚类集成算法综述 | 第17-31页 |
| 2.1 研究动机 | 第17-18页 |
| 2.2 聚类集成过程 | 第18-26页 |
| 2.2.1 生成聚类成员 | 第19-23页 |
| 2.2.2 聚类成员集成方法 | 第23-26页 |
| 2.3 聚类结果评价方法 | 第26-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 基于遗传算法的聚类集成研究 | 第31-45页 |
| 3.1 基聚类算法介绍 | 第31-34页 |
| 3.1.1 K-means算法原理 | 第31-32页 |
| 3.1.2 MSF算法原理 | 第32页 |
| 3.1.3 FCM算法原理 | 第32-34页 |
| 3.2 遗传算法集成 | 第34-40页 |
| 3.2.1 算法思想与策略 | 第34-38页 |
| 3.2.2 算法流程 | 第38-40页 |
| 3.3 改进遗传算法集成 | 第40-41页 |
| 3.3.1 选择聚类中心作为染色体 | 第40-41页 |
| 3.3.2 采用精英保留策略 | 第41页 |
| 3.4 实验测试与结果分析 | 第41-44页 |
| 3.4.1 数据集介绍 | 第41-42页 |
| 3.4.2 实验结果与分析 | 第42-44页 |
| 3.4.3 实验小结 | 第44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 合作式协同集成算法 | 第45-57页 |
| 4.1 粒子群算法集成 | 第45-49页 |
| 4.1.1 算法思想与策略 | 第45-47页 |
| 4.1.2 算法流程 | 第47-49页 |
| 4.2 协同进化策略与协同进化集成算法 | 第49-52页 |
| 4.2.1 协同进化策略 | 第49页 |
| 4.2.2 PSO与GA协同集成算法思想 | 第49-50页 |
| 4.2.3 PSO与GA协同集成算法流程 | 第50-51页 |
| 4.2.4 PSO与GA协同集成算法描述 | 第51-52页 |
| 4.3 实验测试与结果分析 | 第52-55页 |
| 4.3.1 实验结果与分析 | 第53-55页 |
| 4.3.2 实验小结 | 第55页 |
| 4.4 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-67页 |
| 致谢 | 第67页 |
