群体智能及其在分布式知识管理中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-10页 |
| 插图清单 | 第10-11页 |
| 表格清单 | 第11-12页 |
| 第1章 绪论 | 第12-17页 |
| ·本论文的研究背景、目的 | 第12-13页 |
| ·国内外研究状况分析 | 第13-14页 |
| ·群体智能研究的发展 | 第13页 |
| ·群体智能研究的重要性 | 第13-14页 |
| ·群体智能研究中的一些问题及主要研究方向 | 第14页 |
| ·论文的主要工作与组织结构 | 第14-17页 |
| ·论文的主要工作 | 第14-15页 |
| ·论文的组织结构 | 第15-17页 |
| 第2章 蚁群算法的研究 | 第17-30页 |
| ·蚁群算法原理 | 第17-19页 |
| ·蚁群算法模型 | 第17-18页 |
| ·蚁群算法描述 | 第18-19页 |
| ·蚁群算法的研究现状分析 | 第19-24页 |
| ·蚁群算法的发展 | 第19-23页 |
| ·蚁群算法的研究方向 | 第23-24页 |
| ·蚁群算法的应用 | 第24-25页 |
| ·蚁群算法与其他仿生计算的对比研究 | 第25-29页 |
| ·粒子群算法 | 第25-26页 |
| ·遗传算法 | 第26页 |
| ·人工免疫算法 | 第26-27页 |
| ·人工神经网络算法 | 第27-28页 |
| ·蚁群算法与其他仿生优化算法的相同点 | 第28-29页 |
| ·蚁群算法与其他仿生优化算法的不同点 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于蚁群算法的分类规则挖掘方法 | 第30-42页 |
| ·分类规则挖掘概述 | 第30-32页 |
| ·数据挖掘与知识发现 | 第30-31页 |
| ·分类规则挖掘的概念 | 第31页 |
| ·分类规则挖掘的内容 | 第31页 |
| ·分类规则挖掘的基本步骤 | 第31-32页 |
| ·分类算法的评价标准 | 第32页 |
| ·基于蚁群优化的分类规则挖掘方法 | 第32-38页 |
| ·蚁群分类算法的基本思路 | 第33页 |
| ·改进的基于蚁群优化的分类算法 | 第33-38页 |
| ·实验与结论 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 蚁群算法在分布式知识管理系统中的应用研究 | 第42-56页 |
| ·分布式数据挖掘概述 | 第42-45页 |
| ·分布式数据挖掘的动因 | 第42-43页 |
| ·分布式数据挖掘的方法 | 第43页 |
| ·分布式数据挖掘面临的问题 | 第43页 |
| ·分布式数据挖掘的体系结构 | 第43-44页 |
| ·分布式分类规则挖掘算法 | 第44-45页 |
| ·基于蚁群算法的分布式数据挖掘方法 | 第45-49页 |
| ·分布式蚁群分类方法 | 第45-46页 |
| ·基于 ACO的分布式分类算法描述 | 第46-47页 |
| ·基于 ACO的分布式分类规则挖掘步骤及相关计算 | 第47-48页 |
| ·算法的理论分析 | 第48-49页 |
| ·分布式知识管理概述 | 第49-53页 |
| ·知识管理 | 第49-50页 |
| ·分布式知识管理 | 第50-51页 |
| ·基于 Agent技术的分布式知识管理系统框架 | 第51-53页 |
| ·基于蚁群算法的分布式知识管理系统的框架分析 | 第53-55页 |
| ·蚁群算法在分布式知识管理系统中的应用 | 第53页 |
| ·各功能Agent的介绍 | 第53-54页 |
| ·蚁群算法在分布式知识管理系统中具体应用步骤分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间科研完成情况简介 | 第63页 |
