| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 第1章 绪言 | 第10-16页 |
| ·课题的提出、目的及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·聚类分析研究现状 | 第11-12页 |
| ·遗传算法研究现状 | 第12-14页 |
| ·研究内容与思路 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 第2章 数据挖掘技术中聚类分析与模糊聚类 | 第16-30页 |
| ·数据挖掘概论 | 第16-17页 |
| ·数据挖掘特点 | 第16页 |
| ·数据挖掘任务 | 第16-17页 |
| ·数据挖掘主要方法和技术 | 第17页 |
| ·聚类理论 | 第17-18页 |
| ·聚类方法分类 | 第18-22页 |
| ·划分方法(Partitioning method) | 第18-19页 |
| ·层次方法(Hierarchical method) | 第19页 |
| ·基于密度的方法(Density-based method) | 第19-20页 |
| ·基于网格的方法(Grid-based method) | 第20-21页 |
| ·基于模型的方法(Model-based method) | 第21-22页 |
| ·模糊聚类理论 | 第22-23页 |
| ·模糊聚类分类及算法 | 第23-26页 |
| ·HCM算法 | 第24-25页 |
| ·FCM算法 | 第25-26页 |
| ·聚类算法评价 | 第26-29页 |
| ·聚类的准确度 | 第26-27页 |
| ·聚类的同构度与异构度 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第3章 基于中心定位算子的遗传算法 | 第30-44页 |
| ·遗传算法描述 | 第30-34页 |
| ·编码 | 第30-31页 |
| ·初始种群生成 | 第31页 |
| ·适应度 | 第31-32页 |
| ·遗传操作 | 第32-33页 |
| ·控制参数选择 | 第33页 |
| ·约束条件处理 | 第33-34页 |
| ·遗传算法基本框架 | 第34-35页 |
| ·基于中心定位算子的遗传算法(GCOGA) | 第35-42页 |
| ·主动进化思想 | 第35-36页 |
| ·中心定位算子 | 第36-37页 |
| ·组合优化全局与局部搜索 | 第37-38页 |
| ·基于中心定位算子的遗传算法(GCOGA) | 第38-40页 |
| ·算法收敛性分析 | 第40-41页 |
| ·实验验证 | 第41-42页 |
| ·小结 | 第42-44页 |
| 第4章 基于中心定位算子遗传算法的聚类分析方法 | 第44-60页 |
| ·遗传算法与聚类分析的结合 | 第44-46页 |
| ·基于 GCOGA的动态层次聚类分析方法 | 第46-53页 |
| ·算法思想 | 第46-47页 |
| ·数据结构 | 第47页 |
| ·GCOGA算法操作 | 第47-50页 |
| ·基于 GCOGA的动态层次聚类算法 | 第50-52页 |
| ·实验分析 | 第52-53页 |
| ·结合样本属性的 GCOGA-FCM算法 | 第53-59页 |
| ·改进策略 | 第53-55页 |
| ·结合样本属性的 GCOGA-FCM算法描述 | 第55-57页 |
| ·实验分析 | 第57-59页 |
| ·小结 | 第59-60页 |
| 第5章 基于数据挖掘技术的水平井产能预测模型 | 第60-70页 |
| ·水平井产能常规预测方法 | 第60-61页 |
| ·水平井产能预测模型 | 第61-63页 |
| ·基于灰度关联方法的水平井参数优选 | 第63-66页 |
| ·灰度关联方法 | 第63-64页 |
| ·实验结果 | 第64-66页 |
| ·水平井聚类模型 | 第66-67页 |
| ·多维样本基于 GCOGA-FCM聚类 | 第66-67页 |
| ·实验结果 | 第67页 |
| ·基于逐步回归的水平井产能预测 | 第67-69页 |
| ·逐步回归方法 | 第67-68页 |
| ·实验结果 | 第68-69页 |
| ·小结 | 第69-70页 |
| 第6章 总结和展望 | 第70-72页 |
| ·本文研究总结 | 第70-71页 |
| ·进一步的工作 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 个人简历 | 第78页 |
| 在学期间研究成果 | 第78页 |
