基于蜂群算法的数据流聚类研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-20页 |
| 1.1 研究的背景和意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 本文的研究内容及创新点 | 第17-19页 |
| 1.4 论文的组织结构 | 第19-20页 |
| 2 数据流聚类综述 | 第20-37页 |
| 2.1 数据挖掘概述 | 第20-22页 |
| 2.1.1 数据挖掘的任务 | 第20-21页 |
| 2.1.2 数据挖掘的过程 | 第21-22页 |
| 2.2 聚类技术 | 第22-24页 |
| 2.2.1 聚类的定义 | 第22-23页 |
| 2.2.2 传统的数据聚类方法 | 第23-24页 |
| 2.2.3 其他数据聚类方法 | 第24页 |
| 2.3 数据流聚类 | 第24-36页 |
| 2.3.1 数据流的定义 | 第24-25页 |
| 2.3.2 数据流聚类概述 | 第25-28页 |
| 2.3.3 数据流聚类相关技术 | 第28-31页 |
| 2.3.4 数据流聚类算法的研究现状 | 第31-36页 |
| 2.3.5 数据流聚类算法的比较 | 第36页 |
| 2.4 本章小结 | 第36-37页 |
| 3 蜂群算法研究 | 第37-45页 |
| 3.1 智能群体算法 | 第37-41页 |
| 3.1.1 群体智能算法介绍 | 第37-38页 |
| 3.1.2 主要的群体智能算法 | 第38-40页 |
| 3.1.3 智能群体算法的特性比较 | 第40-41页 |
| 3.2 人工蜂群算法 | 第41-44页 |
| 3.2.1 人工蜂群算法原理 | 第41-43页 |
| 3.2.2 人工蜂群算法描述 | 第43-44页 |
| 3.3 本章小结 | 第44-45页 |
| 4 基于蜂群算法的数据流聚类算法 | 第45-51页 |
| 4.1 问题的提出 | 第45-46页 |
| 4.2 本文算法的概念 | 第46-47页 |
| 4.3 基于蜂群的数据流聚类算法的思想 | 第47-49页 |
| 4.4 ABCClustream算法描述 | 第49-50页 |
| 4.5 算法对离群点的处理 | 第50页 |
| 4.6 本章小结 | 第50-51页 |
| 5 实验设计与分析 | 第51-54页 |
| 5.1 实验环境和数据集说明 | 第51页 |
| 5.2 ABCCluStream算法的实验验证 | 第51-53页 |
| 5.2.1 聚类质量的验证 | 第51-52页 |
| 5.2.2 有效性的验证 | 第52页 |
| 5.2.3 可扩展性的验证 | 第52-53页 |
| 5.3 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 本文工作总结 | 第54页 |
| 6.2 问题与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻硕期间发表的科研成果目录 | 第60-61页 |
| 致谢 | 第61页 |
