基于多元优化算法的无监督聚类分析
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 论文的研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 论文的主要工作 | 第11-12页 |
| 1.4 论文的结构安排 | 第12-13页 |
| 第二章 聚类分析 | 第13-19页 |
| 2.1 相似性度量准则 | 第13-15页 |
| 2.2 聚类算法 | 第15-19页 |
| 第三章 基于MOA算法的数据聚类 | 第19-36页 |
| 3.1 MOA算法的理论基础 | 第19-24页 |
| 3.1.1 MOA算法基本思想 | 第19页 |
| 3.1.2 算法框架 | 第19-21页 |
| 3.1.3 多元化结构 | 第21页 |
| 3.1.4 全局和局部交替寻优方式 | 第21-22页 |
| 3.1.5 算法基本流程 | 第22-24页 |
| 3.2 MOA算法应用于聚类分析 | 第24-36页 |
| 3.2.1 搜索元的编码方式 | 第25-26页 |
| 3.2.2 适应度函数的设计 | 第26-27页 |
| 3.2.3 MOA聚类算法 | 第27-28页 |
| 3.2.4 MOA聚类过程演示 | 第28-36页 |
| 第四章 实验对比与分析 | 第36-51页 |
| 4.1 UCI数据集 | 第36-38页 |
| 4.2 实验参数设置 | 第38-43页 |
| 4.2.1 MOA参数设置 | 第38-43页 |
| 4.2.2 其他聚类算法相关参数设置 | 第43页 |
| 4.3 实验结果与讨论 | 第43-51页 |
| 第五章 总结与下一步工作 | 第51-53页 |
| 5.1 全文总结 | 第51页 |
| 5.2 下一步工作和展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间完成的科研成果 | 第56-57页 |
| 致谢 | 第57页 |
