基于粗糙集和遗传算法的聚类方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-19页 |
| ·数据挖掘概述 | 第11-13页 |
| ·数据挖掘概述 | 第11-12页 |
| ·国内外发展现状及发展趋势 | 第12-13页 |
| ·聚类分析概述 | 第13-14页 |
| ·聚类分析的基本概念和应用 | 第13-14页 |
| ·聚类分析的研究现状 | 第14页 |
| ·遗传算法概述 | 第14-16页 |
| ·遗传算法的基本思想 | 第14-15页 |
| ·遗传算法的研究现状 | 第15-16页 |
| ·粗糙集理论概述 | 第16-17页 |
| ·粗糙集理论介绍 | 第16页 |
| ·粗糙集的研究现状 | 第16-17页 |
| ·粗糙集与遗传算法的结合 | 第17页 |
| ·论文研究的背景和意义 | 第17-18页 |
| ·论文的研究内容和组织结构 | 第18-19页 |
| 第二章 聚类分析 | 第19-25页 |
| ·聚类分析的形式化描述 | 第19页 |
| ·聚类算法的要求 | 第19-20页 |
| ·聚类分析中的数据类型 | 第20-23页 |
| ·数据矩阵 | 第20-21页 |
| ·相似性矩阵 | 第21页 |
| ·区间标度变量 | 第21-22页 |
| ·相似性度量 | 第22-23页 |
| ·聚类分析中的主要算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 粗糙集理论 | 第25-32页 |
| ·粗糙集理论的基本概念 | 第25-28页 |
| ·知识与知识库 | 第25页 |
| ·不精确范畴，近似与粗糙集 | 第25-26页 |
| ·知识约简 | 第26-27页 |
| ·知识的依赖性 | 第27-28页 |
| ·知识表达系统 | 第28页 |
| ·粗糙集与知识发现 | 第28-30页 |
| ·粗糙集理论的基本算法 | 第30-31页 |
| ·不可区分关系 | 第30-31页 |
| ·正区域 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第四章 遗传算法基本知识 | 第32-39页 |
| ·遗传算法的特点与结构 | 第32-34页 |
| ·遗传算法的特点 | 第32-33页 |
| ·遗传算法的结构 | 第33-34页 |
| ·遗传算法的基本过程 | 第34-35页 |
| ·遗传算法的改进 | 第35-38页 |
| ·分层遗传算法 | 第35-36页 |
| ·CHC 算法 | 第36页 |
| ·messy GA | 第36页 |
| ·基于小生境技术的遗传算法 | 第36-37页 |
| ·混合遗传算法 | 第37页 |
| ·并行遗传算法 | 第37页 |
| ·自适应遗传算法 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于粗糙集和遗传算法的聚类方法 | 第39-48页 |
| ·用于聚类分析的粗糙集广义近似空间 | 第39-40页 |
| ·基于遗传算法的聚类 | 第40-41页 |
| ·基于粗糙集和自适应遗传算法的聚类方法 | 第41-43页 |
| ·算法思想 | 第41-42页 |
| ·自适应遗传算法 | 第42-43页 |
| ·算法流程 | 第43-44页 |
| ·算法流程说明 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 实验结果与分析 | 第48-54页 |
| ·实验环境 | 第48页 |
| ·测试数据集 | 第48页 |
| ·四组数据关于遗传聚类算法的参数设置 | 第48-49页 |
| ·算法性能测试 | 第49-53页 |
| ·以聚类准确率来衡量的测试结果 | 第49-50页 |
| ·基于F-measure 方法的测试结果 | 第50-52页 |
| ·RAGACA 算法中遗传算法的收敛性 | 第52-53页 |
| ·RAGACA 算法的时间复杂度和空间复杂度 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第七章 总结与展望 | 第54-56页 |
| ·本文总结 | 第54页 |
| ·本文展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 读硕士期间公开发表的论文 | 第61-62页 |
| 致谢 | 第62-63页 |
