基于群智能算法的聚类分析方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 1 绪论 | 第10-24页 |
| ·研究背景及意义 | 第10-12页 |
| ·聚类分析技术与研究现状 | 第12-18页 |
| ·聚类分析的定义及相关概念 | 第12-13页 |
| ·聚类算法的类别 | 第13-18页 |
| ·层次方法 | 第14-15页 |
| ·划分方法 | 第15-16页 |
| ·基于密度的方法 | 第16-17页 |
| ·基于网格的方法 | 第17页 |
| ·其他聚类方法 | 第17-18页 |
| ·群智能算法的研究进展及现状 | 第18-21页 |
| ·聚类算法存在的问题及研究方向 | 第21-22页 |
| ·本文的研究成果及结构安排 | 第22-24页 |
| ·研究内容 | 第22-23页 |
| ·结构安排 | 第23-24页 |
| 2 基于人口迁移算法的聚类分析方法 | 第24-30页 |
| ·人口迁移算法 | 第24-25页 |
| ·人口迁移算法简介 | 第24页 |
| ·人口迁移算法描述 | 第24-25页 |
| ·基于人口迁移算法的聚类分析 | 第25-27页 |
| ·群体相似度定义 | 第25页 |
| ·各点收入吸引力函数 | 第25-27页 |
| ·实验结果及分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于人工鱼群的混合聚类算法 | 第30-37页 |
| ·人工鱼群算法简介 | 第30-31页 |
| ·行为描述 | 第30-31页 |
| ·基于工鱼群算法的聚类思想 | 第31-32页 |
| ·人工鱼群聚类算法描述 | 第31-32页 |
| ·K-平均算法 | 第32-33页 |
| ·K-平均算法的工作原理 | 第32-33页 |
| ·K-平均算法的步骤 | 第33页 |
| ·人工鱼群算法与K-平均算法相结合 | 第33-34页 |
| ·混合聚类算法的思想 | 第33-34页 |
| ·混合聚类过程描述 | 第34页 |
| ·实验结果及分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于人工鱼群算法的动态模糊聚类 | 第37-44页 |
| ·模糊C-均值聚类算法（FCM）简介 | 第37-39页 |
| ·基于人工鱼群算法的动态模糊聚类 | 第39-41页 |
| ·建立模糊相似矩阵 | 第39页 |
| ·建立模糊等价矩阵 | 第39-40页 |
| ·食物浓度函数的选取 | 第40页 |
| ·基于人工鱼群算法的动态模糊聚类 | 第40-41页 |
| ·实验结果及分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 5 基于差分进化算法的空间聚类分析 | 第44-50页 |
| ·引言 | 第44页 |
| ·差分进化算法 | 第44-46页 |
| ·差分进化算法概述 | 第44-45页 |
| ·差分进化算法的基本思想 | 第45页 |
| ·差分进化算法的执行过程 | 第45页 |
| ·差分进化算法的特征 | 第45-46页 |
| ·聚类问题描述 | 第46页 |
| ·基于差分进化的聚类分析 | 第46-48页 |
| ·实验结果及分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-52页 |
| ·结论 | 第50-51页 |
| ·工作展望 | 第51-52页 |
| 参考文献 | 第52-63页 |
| 附录1 | 第63-66页 |
| 附录2 | 第66-70页 |
| 附录3 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间参与的科研项目 | 第74-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75页 |
