基于粒子群算法的模糊聚类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·本文研究的背景及意义 | 第9-10页 |
| ·国内外研究现状及发展趋势 | 第10-13页 |
| ·国内外研究现状 | 第10-12页 |
| ·发展趋势及面临的问题 | 第12-13页 |
| ·本文的内容安排 | 第13-14页 |
| 第二章 数据挖掘中的聚类问题 | 第14-33页 |
| ·数据挖掘概述 | 第14-21页 |
| ·数据挖掘的定义 | 第14页 |
| ·数据挖掘的过程 | 第14-15页 |
| ·数据挖掘的功能 | 第15-18页 |
| ·数据挖掘分类 | 第18-20页 |
| ·数据挖掘的应用 | 第20-21页 |
| ·聚类分析的基本概念与应用领域 | 第21-22页 |
| ·数据挖掘对聚类分析的要求 | 第22-23页 |
| ·聚类分析中的数据结构与数据类型 | 第23-26页 |
| ·聚类分析中的数据结构 | 第23页 |
| ·聚类分析中的数据类型 | 第23-26页 |
| ·主要的聚类算法 | 第26-32页 |
| ·分割聚类方法 | 第26-28页 |
| ·层次聚类方法 | 第28-29页 |
| ·基于密度的聚类方法 | 第29-30页 |
| ·基于网格的聚类方法 | 第30-31页 |
| ·基于模型的聚类方法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 粒子群优化算法概述 | 第33-42页 |
| ·群智能 | 第33-34页 |
| ·粒子群算法简介 | 第34-35页 |
| ·原始粒子群优化算法 | 第35-37页 |
| ·算法原理与流程 | 第35-36页 |
| ·全局模型与局部模型 | 第36-37页 |
| ·标准粒子群优化算法 | 第37-38页 |
| ·带有惯性因子的粒子群算法 | 第37页 |
| ·带有收缩因子的粒子群算法 | 第37-38页 |
| ·改进的粒子群优化算法 | 第38-40页 |
| ·基于遗传思想改进粒子群算法 | 第38-39页 |
| ·基于动态邻域的改进粒子群算法 | 第39-40页 |
| ·离散二进制粒子群算法 | 第40页 |
| ·其它改进的粒子群算法 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第四章 基于改进粒子群的模糊聚类算法 | 第42-53页 |
| ·模糊聚类算法及其改进思路 | 第42-44页 |
| ·算法描述 | 第42-43页 |
| ·算法分析与改进思路 | 第43-44页 |
| ·基于改进粒子群的模糊聚类算法（FCMP） | 第44-46页 |
| ·变异操作 | 第44-45页 |
| ·适应度函数的确定 | 第45-46页 |
| ·算法流程 | 第46页 |
| ·基于多种群粒子群的模糊聚类算法（FCMSP） | 第46-48页 |
| ·基于多种群的改进方法 | 第47-48页 |
| ·算法流程 | 第48页 |
| ·实验分析 | 第48-52页 |
| ·小结 | 第52-53页 |
| 第五章 总结 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士期间公开发表的论文 | 第60-61页 |
| 致谢 | 第61-62页 |
