基于粗糙集与遗传算法的聚类算法
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外现状 | 第11-12页 |
| ·本文的主要工作 | 第12-13页 |
| ·论文的研究内容及结构安排 | 第13-16页 |
| 第2章 聚类算法概述 | 第16-22页 |
| ·聚类的概念和聚类的过程 | 第16-17页 |
| ·聚类的概念 | 第16页 |
| ·聚类的过程 | 第16-17页 |
| ·常用聚类算法分类 | 第17-20页 |
| ·基于划分的聚类 | 第17-18页 |
| ·基于层次的聚类 | 第18-19页 |
| ·基于密度的聚类 | 第19页 |
| ·基于网格的聚类 | 第19页 |
| ·基于模型的聚类 | 第19-20页 |
| ·K-均值聚类算法概述 | 第20-21页 |
| ·K-均值聚类算法的原理 | 第20页 |
| ·K-均值聚类算法的性能分析 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于粗糙集的聚类算法 | 第22-32页 |
| ·引言 | 第22页 |
| ·粗糙集理论概述 | 第22-23页 |
| ·粗糙集理论的基础知识 | 第22-23页 |
| ·基于粗糙集的聚类算法 | 第23-25页 |
| ·粗糙K-均值算法 | 第23-24页 |
| ·基于密度加权的粗糙K-均值算法 | 第24-25页 |
| ·一种新的密度加权K-均值算法 | 第25-27页 |
| ·初始聚类中心的选择 | 第25-26页 |
| ·质心的计算 | 第26-27页 |
| ·算法描述 | 第27页 |
| ·实验结果与分析 | 第27-30页 |
| ·UCI机器学习数据库数据集的实验 | 第27-29页 |
| ·人工模拟数据实验 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第4章 遗传算法与小生境遗传算法 | 第32-48页 |
| ·遗传算法概述 | 第32-33页 |
| ·遗传算法的思想 | 第32页 |
| ·遗传算法的结构 | 第32-33页 |
| ·基于分裂算子的遗传算法和自适应遗传算法 | 第33-40页 |
| ·算法原理 | 第33-35页 |
| ·算法步骤 | 第35页 |
| ·实验结果与分析 | 第35-40页 |
| ·小生境概述 | 第40-41页 |
| ·改进梯度算子的小生境遗传算法 | 第41-47页 |
| ·算法原理 | 第41-43页 |
| ·算法步骤 | 第43-44页 |
| ·模拟试验 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 改进的基于遗传算法的聚类算法 | 第48-56页 |
| ·基于遗传算法的聚类方法 | 第48-49页 |
| ·基于小生境遗传算法的K-均值聚类算法 | 第49-51页 |
| ·算法描述 | 第49-50页 |
| ·算法实现步骤 | 第50-51页 |
| ·试验结果与分析 | 第51-54页 |
| ·UCI数据集实验 | 第51-53页 |
| ·人工模拟数据集实验 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 总结 | 第56页 |
| 研究展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间研究成果 | 第66页 |
