基于遗传算法进行高维数据聚类的新算法
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究状况 | 第9-11页 |
| ·论文的主要工作及创新 | 第11-12页 |
| ·论文结构框架的安排 | 第12-14页 |
| 第二章 聚类分析及高维空间数据聚类概述 | 第14-26页 |
| ·聚类分析 | 第14-21页 |
| ·聚类分析的定义 | 第14页 |
| ·聚类分析的数据结构及变量描述 | 第14-15页 |
| ·聚类分析的相似度度量方法 | 第15-16页 |
| ·聚类分析算法的分类 | 第16-21页 |
| ·聚类分析的应用 | 第21-22页 |
| ·高维空间数据聚类 | 第22-26页 |
| ·高维空间数据的特点 | 第22-23页 |
| ·针对高维空间数据的聚类方法 | 第23-26页 |
| 第三章 优化算法概述 | 第26-38页 |
| ·优化算法 | 第26页 |
| ·相关背景及发展 | 第26页 |
| ·遗传算法的基本描述 | 第26-29页 |
| ·遗传算法概述 | 第26-27页 |
| ·遗传算法的一般算法 | 第27页 |
| ·遗传算法的基本术语说明 | 第27-28页 |
| ·遗传算法的基本流程 | 第28-29页 |
| ·遗传算法的框架设计 | 第29-33页 |
| ·编码、解码及其参考原则 | 第29页 |
| ·编码方式及其优缺点 | 第29-31页 |
| ·个体适应性度量 | 第31-32页 |
| ·遗传算法的基本操作算子 | 第32-33页 |
| ·蚁群算法的基本描述 | 第33-35页 |
| ·蚁群算法概述 | 第33页 |
| ·蚁群算法的原理及规则说明 | 第33-34页 |
| ·蚁群算法的意义及应用 | 第34-35页 |
| ·粒子群算法的基本描述 | 第35-36页 |
| ·粒子群算法概述 | 第35页 |
| ·粒子群算法的基本流程和原则 | 第35页 |
| ·粒子群算法的特点和应用 | 第35-36页 |
| ·遗传算法的特点 | 第36-38页 |
| 第四章 高维聚类算法NGAHD | 第38-54页 |
| ·NGAHD 算法概述 | 第38页 |
| ·编码与初始化 | 第38-40页 |
| ·适应度评估函数的设计 | 第40-42页 |
| ·遗传操作及其基本算子 | 第42-44页 |
| ·选择算子 | 第42-43页 |
| ·交叉算子 | 第43页 |
| ·变异算子 | 第43-44页 |
| ·迭代终止条件 | 第44页 |
| ·实验对比与分析 | 第44-54页 |
| ·人工数据集 | 第46-47页 |
| ·真实数据集 | 第47-54页 |
| 第五章 结语 | 第54-56页 |
| ·结论 | 第54页 |
| ·研究探索 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间作者参与的科研项目及成果 | 第60页 |
