| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究的背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文内容安排 | 第13-14页 |
| 1.3.1 本文主要研究内容 | 第13页 |
| 1.3.2 章节安排 | 第13-14页 |
| 第2章 聚类算法概述 | 第14-21页 |
| 2.1 聚类算法的要求 | 第14-15页 |
| 2.2 数据样本相似性判定 | 第15-16页 |
| 2.3 聚类的评价准则 | 第16-17页 |
| 2.4 聚类算法介绍 | 第17-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 群体智能的基本理论 | 第21-30页 |
| 3.1 遗传算法的基本原理 | 第21-23页 |
| 3.1.1 遗传算法的重要特征 | 第21-22页 |
| 3.1.2 遗传算法的主要运算过程 | 第22-23页 |
| 3.2 蚁群算法的基本描述 | 第23-25页 |
| 3.3 蚁群算法优缺点分析 | 第25-27页 |
| 3.4 蚁群聚类算法 | 第27-29页 |
| 3.4.1 基于觅食原理的蚁群聚类算法 | 第27-28页 |
| 3.4.2 基于蚁堆的蚁群聚类算法 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 一种改进的K-Means蚁群聚类算法 | 第30-37页 |
| 4.1 K-Means和蚂蚁聚类算法的结合 | 第30-32页 |
| 4.1.1 基于信息素的蚂蚁聚类算法和K-Means算法的结合 | 第31-32页 |
| 4.1.2 基于蚁堆聚类算法和K-Means算法的结合 | 第32页 |
| 4.2 一种改进的K-Means蚂蚁聚类算法 | 第32-34页 |
| 4.2.1 现有算法的优缺点 | 第32页 |
| 4.2.2 本文改进思想 | 第32-33页 |
| 4.2.3 算法的具体步骤 | 第33-34页 |
| 4.3 仿真实验 | 第34-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第5章 基于最小生成树的层次K-Means聚类算法 | 第37-46页 |
| 5.1 改进K-Means算法介绍 | 第37-38页 |
| 5.2 Prim算法 | 第38页 |
| 5.3 基于最小生成树的层次K-Means算法 | 第38-45页 |
| 5.3.1 改进思想 | 第38-39页 |
| 5.3.2 算法具体实现步骤 | 第39-40页 |
| 5.3.3 仿真实验 | 第40-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第6章 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 附录 (攻读硕士学位期间发表录用论文) | 第53页 |
