基于计算智能的聚类技术及其应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 1 绪论 | 第14-42页 |
| ·课题的背景和意义 | 第14-15页 |
| ·计算智能技术及研究现状 | 第15-19页 |
| ·群体智能技术及研究现状 | 第19-27页 |
| ·群体智能相关概念及关键技术 | 第19-22页 |
| ·群体智能研究现状 | 第22-26页 |
| ·基本蚁群算法 | 第26-27页 |
| ·聚类技术及研究现状 | 第27-37页 |
| ·聚类的定义及相关概念 | 第28-30页 |
| ·潜在应用对聚类算法提出的特别要求 | 第30-31页 |
| ·聚类分析中的聚类准则函数 | 第31-34页 |
| ·划分聚类算法 | 第34页 |
| ·层次聚类算法 | 第34-36页 |
| ·基于密度的聚类算法 | 第36页 |
| ·基于网格的聚类算法 | 第36-37页 |
| ·基于模型的聚类算法 | 第37页 |
| ·论文的主要研究内容 | 第37-42页 |
| 2 基于神经网络的聚类分析模型研究 | 第42-64页 |
| ·引言 | 第42-43页 |
| ·LVQ 网络聚类分析模型 | 第43-44页 |
| ·SOM 网络聚类分析模型 | 第44-47页 |
| ·SOM 网络基本原理 | 第45-46页 |
| ·SOM 的特性 | 第46页 |
| ·SOM 网络学习算法 | 第46-47页 |
| ·GSOM 网络聚类分析模型 | 第47-48页 |
| ·层次动态增长聚类分析模型GHSOM | 第48-50页 |
| ·DSOM 网络聚类分析模型 | 第50-63页 |
| ·网络结构 | 第50-51页 |
| ·基本概念 | 第51页 |
| ·DSOM 网络训练算法 | 第51-54页 |
| ·参数选择及相关分析 | 第54-55页 |
| ·试验结果及分析 | 第55-63页 |
| ·本章小结 | 第63-64页 |
| 3 基于群体智能的聚类分析模型研究 | 第64-86页 |
| ·引言 | 第64-65页 |
| ·蚁群聚类基本模型 | 第65-67页 |
| ·LF 聚类分析模型 | 第67-70页 |
| ·自组织混合蚁群聚类SOMAC 分析模型 | 第70-78页 |
| ·SOMAC 模型的原理 | 第70-71页 |
| ·基本概念和相关参数分析 | 第71-73页 |
| ·SOMAC 算法描述 | 第73-75页 |
| ·试验结果及分析 | 第75-78页 |
| ·基于SOMAC 的高维聚类框架 | 第78-84页 |
| ·基本思想和原理 | 第78-79页 |
| ·基于SOMAC 的高维聚类框架描述 | 第79页 |
| ·试验结果及分析 | 第79-83页 |
| ·高维聚类通用框架 | 第83-84页 |
| ·本章小结 | 第84-86页 |
| 4 基于计算智能的聚类分析模型并行化研究 | 第86-98页 |
| ·引言 | 第86页 |
| ·并行程序设计 | 第86-88页 |
| ·并行程序设计方式 | 第86-87页 |
| ·并行计算方式 | 第87-88页 |
| ·并行算法的性能度量 | 第88页 |
| ·DSOM 聚类分析模型的并行算法研究 | 第88-93页 |
| ·DSOM 聚类分析模型的并行计算策略 | 第88-90页 |
| ·试验结果及分析 | 第90-93页 |
| ·SOMAC 聚类分析模型的并行算法研究 | 第93-97页 |
| ·SOMAC 聚类分析模型的并行计算策略 | 第93-94页 |
| ·试验结果及分析 | 第94-97页 |
| ·本章小结 | 第97-98页 |
| 5 DSOM 聚类分析模型在客户分类中的应用 | 第98-112页 |
| ·引言 | 第98页 |
| ·CRM 与客户分类 | 第98-104页 |
| ·CRM 的内涵 | 第98-99页 |
| ·CRM 中有关客户分类的指标 | 第99-101页 |
| ·CRM 中有关客户分类的方法 | 第101-103页 |
| ·客户分类算法的选取 | 第103-104页 |
| ·基于DSOM 聚类分析模型的客户分类 | 第104-111页 |
| ·客户分类的定义 | 第104-106页 |
| ·基于DSOM 的客户分类算法 | 第106页 |
| ·客户簇的标识以及最终客户类型的确定 | 第106-109页 |
| ·模拟运行结果及分析 | 第109-111页 |
| ·本章小结 | 第111-112页 |
| 6 SOMAC 聚类分析模型在入侵检测中的应用 | 第112-140页 |
| ·引言 | 第112页 |
| ·网络入侵检测 | 第112-125页 |
| ·网络入侵现状 | 第112-114页 |
| ·入侵检测技术的发展及必要性 | 第114-117页 |
| ·入侵检测系统的基本构成 | 第117-118页 |
| ·主要的入侵分析技术 | 第118-124页 |
| ·异常检测研究现状 | 第124-125页 |
| ·基于SOMAC 聚类分析模型的异常检测 | 第125-131页 |
| ·异常检测的评价指标 | 第125-126页 |
| ·簇的标识方法及相关定义 | 第126页 |
| ·基于SOMAC 的异常检测算法 | 第126-127页 |
| ·检测结果及分析 | 第127-131页 |
| ·基于SOMAC 的检测分类器 | 第131-138页 |
| ·SOMAC 检测分类器的原理 | 第131-132页 |
| ·基于SOMAC 的检测分类算法 | 第132-133页 |
| ·检测结果及分析 | 第133-138页 |
| ·本章小结 | 第138-140页 |
| 7 总结与展望 | 第140-144页 |
| ·主要结论 | 第140-142页 |
| ·后续研究工作的展望 | 第142-144页 |
| 致谢 | 第144-146页 |
| 参考文献 | 第146-156页 |
| 附录 | 第156-157页 |
| 1. 作者攻读博士学位期间发表或录用的论文 | 第156-157页 |
| 2. 作者在攻读博士学位期间参加的科研项目 | 第157页 |
