| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·研究背景 | 第9页 |
| ·课题研究现状 | 第9-16页 |
| ·研究内容 | 第16页 |
| ·组织结构 | 第16-18页 |
| 2 相关技术分析 | 第18-31页 |
| ·优化和优化方法 | 第18-19页 |
| ·局部优化算法 | 第19-20页 |
| ·全局优化算法 | 第20页 |
| ·遗传算法 | 第20-22页 |
| ·聚类分析基本理论 | 第22-27页 |
| ·数据挖掘基本理论 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 3 基于PSO 的聚类算法 | 第31-45页 |
| ·粒子群优化算法分析 | 第31-39页 |
| ·基于PSO 的聚类算法 | 第39-41页 |
| ·实验结果 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 4 基于DPSO 算法的关联规则挖掘 | 第45-56页 |
| ·编码方法 | 第45-46页 |
| ·适应度函数的设计 | 第46-48页 |
| ·速度和位置更新公式的选择 | 第48-49页 |
| ·终止条件 | 第49页 |
| ·DPSO 算法的改进 | 第49-52页 |
| ·基于MHPSO 的挖掘过程 | 第52-54页 |
| ·实验结果 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| ·全文总结 | 第56页 |
| ·展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |