基于蚁群算法的数据挖掘应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·蚁群算法提出 | 第9-10页 |
| ·国内外研究进展 | 第10-13页 |
| ·蚁群算法优势及不足 | 第13页 |
| ·选题的背景 | 第13-14页 |
| ·本文研究的主要内容 | 第14-16页 |
| 2 数据挖掘综述 | 第16-24页 |
| ·数据挖掘的概述 | 第16-17页 |
| ·数据挖掘的主要任务 | 第17-19页 |
| ·数据挖掘的步骤 | 第19-20页 |
| ·数据挖掘的算法 | 第20-24页 |
| 3 蚁群算法原理 | 第24-35页 |
| ·蚁群算法的原理 | 第24-25页 |
| ·蚁群行为描述 | 第24-25页 |
| ·基本蚁群算法的机制原理 | 第25-26页 |
| ·人工蚂蚁与真实蚂蚁的异同 | 第26-28页 |
| ·蚂蚁系统——蚁群算法的原型 | 第28-30页 |
| ·蚂蚁系统模型的建立 | 第28-30页 |
| ·蚁群算法实现过程 | 第30-31页 |
| ·基于蚁群算法的具体实现 | 第31-35页 |
| ·基本蚁群算法的实现步骤 | 第31页 |
| ·基本蚁群算法的程序结构流程 | 第31-33页 |
| ·数值实验 | 第33-35页 |
| 4 蚁群算法在分类中的应用 | 第35-49页 |
| ·分类问题的基本概念 | 第35-37页 |
| ·分类的概念 | 第35-36页 |
| ·数据预处理 | 第36页 |
| ·分类方法的比较标准 | 第36-37页 |
| ·分类规则挖掘的研究内容 | 第37页 |
| ·分类规则挖掘基本步骤 | 第37-38页 |
| ·分类问题的有关算法 | 第38-40页 |
| ·分类规则挖掘的研究进展 | 第40-41页 |
| ·蚁群算法在分类中的应用 | 第41-48页 |
| ·构造规则 | 第42-45页 |
| ·规则剪枝 | 第45-46页 |
| ·信息素浓度更新 | 第46页 |
| ·算法描述 | 第46-47页 |
| ·用规则集对新样本进行分类 | 第47-48页 |
| ·仿真分析 | 第48-49页 |
| 5 蚁群算法在聚类中的应用 | 第49-57页 |
| ·聚类分析概述 | 第49页 |
| ·聚类分析的算法 | 第49-50页 |
| ·聚类分析中的数据类型 | 第50-53页 |
| ·聚类分析的度量标准 | 第53-54页 |
| ·蚁群算法在聚类中的应用 | 第54-57页 |
| ·基于蚁群聚类模型 | 第54页 |
| ·LF 算法 | 第54-55页 |
| ·基于信息熵的蚁群聚类算法 | 第55-57页 |
| 总结与展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-67页 |
