K-means算法的改进研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 图目录 | 第8-9页 |
| 表目录 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文主要工作 | 第12-13页 |
| ·内容安排 | 第13-16页 |
| 第二章 相关技术综述 | 第16-28页 |
| ·数据挖掘概述 | 第16-18页 |
| ·数据挖掘定义 | 第16页 |
| ·数据挖掘的分类 | 第16-17页 |
| ·数据挖掘的功能和应用 | 第17-18页 |
| ·聚类分析 | 第18-23页 |
| ·聚类定义 | 第18页 |
| ·聚类分析中的数据 | 第18-19页 |
| ·聚类分析相似度度量 | 第19-20页 |
| ·聚类分析方法 | 第20-21页 |
| ·聚类效果评价 | 第21-23页 |
| ·遗传算法 | 第23-27页 |
| ·遗传算法原理 | 第23页 |
| ·遗传算法的基本构成要素 | 第23-26页 |
| ·遗传算法流程 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 改进 K-MEANS 算法 | 第28-38页 |
| ·引言 | 第28页 |
| ·传统 K-means 算法 | 第28-31页 |
| ·K-means 算法的基本思想 | 第28页 |
| ·K-means 算法的流程 | 第28-30页 |
| ·K-means 算法的优缺点分析 | 第30-31页 |
| ·改进 K-means 聚类 | 第31-36页 |
| ·算法流程描述 | 第31-34页 |
| ·算法实现 | 第34-35页 |
| ·算法分析 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于遗传算法的 K 值学习算法 | 第38-46页 |
| ·引言 | 第38页 |
| ·K 值学习算法 | 第38-45页 |
| ·编码方式 | 第38页 |
| ·初始种群的确定 | 第38-39页 |
| ·适应度函数构造 | 第39页 |
| ·遗传操作 | 第39-42页 |
| ·算法描述 | 第42-44页 |
| ·算法实现 | 第44-45页 |
| ·算法分析 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第五章 实验结果与分析 | 第46-54页 |
| ·引言 | 第46页 |
| ·实验设计 | 第46-48页 |
| ·实验数据 | 第46-47页 |
| ·实验模块 | 第47-48页 |
| ·实验结果分析 | 第48-53页 |
| ·改进 K-means 算法验证实验 | 第48-53页 |
| ·K 值学习算法验证实验 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·本文工作 | 第54页 |
| ·进一步努力的方向 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间论文与科研情况 | 第61页 |
