首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于组群优化的聚类算法研究

摘要第4-5页
ABSTRACT第5页
1 绪论第9-14页
    1.1 课题背景第9-10页
    1.2 研究意义第10页
    1.3 研究现状第10-11页
    1.4 本文主要研究工作第11-14页
        1.4.1 研究内容第11-12页
        1.4.2 论文组织结构第12-14页
2 相关研究第14-25页
    2.1 概述第14页
    2.2 组群搜索优化算法第14-17页
    2.3 差分演化算法第17-19页
    2.4 聚类分析相关理论第19-23页
        2.4.1 主要聚类分析方法第19-20页
        2.4.2 数据的相似性度量第20-21页
        2.4.3 K-means算法第21-23页
        2.4.4 基于群体智能优化K均值聚类算法第23页
    2.5 本章小结第23-25页
3 基于差分演化策略的组群搜索优化算法第25-35页
    3.1 标准组群搜索优化算法局限性第25页
    3.2 基于差分演化策略的组群搜索优化算法第25-28页
        3.2.1 排序策略第26-27页
        3.2.2 差分变异策略第27-28页
    3.3 仿真实验结果与分析第28-34页
        3.3.1 国际标准测试函数和参数设置第28页
        3.3.2 函数优化实验结果及算法比较分析第28-32页
        3.3.3 差分策略对算法性能的影响第32-33页
        3.3.4 排序策略对算法性能的影响第33-34页
    3.4 本章小结第34-35页
4 基于组群搜索优化的聚类研究第35-47页
    4.1 群搜索优化的聚类基本原理第37-38页
    4.2 改进的群搜索优化聚类分析算法第38-42页
        4.2.1 基于均值的群搜索优化聚类分析第38-40页
        4.2.2 基于差分演化策略的群搜索优化聚类分析第40-41页
        4.2.3 基于均值差分演化策略的群搜索优化聚类分析第41-42页
    4.3 仿真实验结果与分析第42-45页
        4.3.1 实验数据集描述第42-43页
        4.3.2 改进聚类算法的实验对比与分析第43-45页
    4.4 本章小结第45-47页
5 总结与展望第47-49页
    5.1 工作总结第47-48页
    5.2 研究展望第48-49页
6 参考文献第49-54页
7 攻读硕士学位期间论文发表情况第54-55页
8 致谢第55页

论文共55页,点击 下载论文
上一篇:融合用户上下文和评论信息的推荐算法研究
下一篇:基于CBR的心理咨询决策方法研究