| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 插图索引 | 第12-13页 |
| 附表索引 | 第13-14页 |
| 第1章 绪论 | 第14-20页 |
| ·研究背景和意义 | 第14-15页 |
| ·数据挖掘的研究概况 | 第15页 |
| ·数据挖掘中聚类分析的发展 | 第15-18页 |
| ·传统聚类方法 | 第16页 |
| ·聚类方法的新发展 | 第16-18页 |
| ·本文研究主要内容 | 第18-19页 |
| ·本文组织结构 | 第19-20页 |
| 第2章 模糊聚类算法及可能性模糊聚类算法 | 第20-24页 |
| ·模糊C-均值聚类 | 第20-22页 |
| ·HCM算法 | 第20页 |
| ·FCM算法 | 第20-21页 |
| ·FCM算法的基本步骤 | 第21页 |
| ·FCM算法的研究现状 | 第21-22页 |
| ·可能性模糊聚类算法 | 第22-23页 |
| ·可能性聚类 | 第22-23页 |
| ·可能性模糊聚类算法 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于入侵杂草算法的模糊聚类算法 | 第24-36页 |
| ·仿生学优化算法 | 第24-25页 |
| ·仿生学优化算法 | 第24页 |
| ·几种常见的仿生学优化算法 | 第24-25页 |
| ·入侵杂草算法 | 第25-27页 |
| ·杂草特性 | 第26页 |
| ·入侵杂草算法基本步骤 | 第26-27页 |
| ·基于入侵杂草算法的模糊聚类算法 | 第27-28页 |
| ·适应度函数构造 | 第27页 |
| ·IWO-FCM算法基本步骤 | 第27-28页 |
| ·基于改进的入侵杂草算法模糊聚类算法 | 第28-29页 |
| ·基本思想 | 第28页 |
| ·IWO算法最优解的更新 | 第28页 |
| ·空间分布和选择过程的优化 | 第28-29页 |
| ·CDIWO-FCM算法的基本步骤 | 第29页 |
| ·实验结果 | 第29-35页 |
| ·IWO-FCM算法的测试 | 第29-33页 |
| ·CDIWO-FCM算法的测试 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于扩散映射的IWO-FCM算法 | 第36-43页 |
| ·引言 | 第36页 |
| ·流形学习 | 第36-37页 |
| ·等距映射(ISOMAP) | 第37页 |
| ·局部线性嵌入(LLE) | 第37页 |
| ·扩散映射 | 第37页 |
| ·扩散映射 | 第37-38页 |
| ·基于扩散映射的IWO-FCM算法 | 第38-39页 |
| ·基于扩散映射的IWO-FCM算法基本思想 | 第38-39页 |
| ·基于扩散映射的IWO-FCM算法基本步骤 | 第39页 |
| ·试验结果 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 改进的核可能性模糊聚类算法 | 第43-50页 |
| ·引言 | 第43页 |
| ·KPFCM算法 | 第43-45页 |
| ·KPFCM算法 | 第43-45页 |
| ·KPFCM算法基本步骤 | 第45页 |
| ·改进的核可能性模糊聚类算法(IKPFCM) | 第45-47页 |
| ·基本思想 | 第45-46页 |
| ·初始聚类中心的获得 | 第46页 |
| ·改进的核可能性模糊聚类算法(IKPFCM算法)基本步骤 | 第46-47页 |
| ·仿真实验和结果分析 | 第47-49页 |
| ·UCI数据集测试结果 | 第47页 |
| ·人造数据集测试结果 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-52页 |
| ·结论 | 第50-51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 附录 攻读学位期间所发表的学术论文目录 | 第58页 |