基于鱼群的K均值聚类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·引言 | 第9页 |
| ·国内外研究现状 | 第9-10页 |
| ·研究意义及热点 | 第10-12页 |
| ·研究内容及论文结构 | 第12-13页 |
| 第2章 聚类分析算法 | 第13-23页 |
| ·基本的K均值聚类算法 | 第13-15页 |
| ·K均值算法的思想 | 第13-14页 |
| ·K均值算法描述 | 第14页 |
| ·K均值算法面临的主要问题 | 第14-15页 |
| ·几种改进K均值聚类算法的方法 | 第15-22页 |
| ·基于标准遗传算法的聚类算法 | 第16-17页 |
| ·基于模拟退火算法的聚类算法 | 第17-18页 |
| ·基于无监督神经网络的聚类算法 | 第18-19页 |
| ·基于粒子群算法的聚类算法 | 第19-21页 |
| ·基于蚁群算法的聚类算法 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 鱼群算法 | 第23-29页 |
| ·群智能算法 | 第23-24页 |
| ·基本的鱼群算法 | 第24-28页 |
| ·算法思想 | 第24页 |
| ·算法描述 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 基于鱼群的K均值聚类算法研究 | 第29-43页 |
| ·几种改进 K均值聚类算法的方法分析 | 第29-34页 |
| ·聚类问题的数学模型 | 第29-30页 |
| ·对几种方法的分析 | 第30-34页 |
| ·基于鱼群的K均值聚类算法 | 第34-42页 |
| ·基于鱼群行为的改进算法 | 第35-37页 |
| ·基于鱼群寻食过程的改进算法 | 第37-39页 |
| ·基于鱼群的具有启发信息的改进算法 | 第39-41页 |
| ·算法分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 实验与分析 | 第43-51页 |
| ·基于鱼群的K均值聚类算法的实验与分析 | 第43-46页 |
| ·实验 | 第43-46页 |
| ·分析 | 第46页 |
| ·典型方法与基于鱼群行为的聚类算法的实验与分析 | 第46-50页 |
| ·实验 | 第46-47页 |
| ·分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |
