蚁群算法研究及其在聚类中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究的背景、目的及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·聚类算法研究现状 | 第9-10页 |
| ·蚁群算法的研究现状 | 第10-11页 |
| ·蚁群聚类算法的研究现状 | 第11-12页 |
| ·研究内容与思路 | 第12-13页 |
| ·论文的组织结构 | 第13-14页 |
| 第二章 聚类算法及蚁群算法简介 | 第14-26页 |
| ·聚类算法简介 | 第14-21页 |
| ·聚类的基本原理 | 第14-18页 |
| ·聚类分析的常用方法 | 第18-19页 |
| ·聚类的典型要求 | 第19-20页 |
| ·聚类算法存在的问题 | 第20-21页 |
| ·蚁群算法简介 | 第21-26页 |
| ·蚂蚁算法原理 | 第21页 |
| ·基本蚁群算法的数学模型 | 第21-23页 |
| ·基本蚁群算法的实现步骤 | 第23-25页 |
| ·基本蚁群算法优缺点 | 第25-26页 |
| 第三章 蚁群聚类算法简介 | 第26-37页 |
| ·蚁群聚类算法分类 | 第26页 |
| ·蚁群聚类算法分析 | 第26-36页 |
| ·基于蚂蚁行为特征的聚类 | 第26-31页 |
| ·多种群蚂蚁聚类 | 第31-33页 |
| ·混合的蚂蚁聚类算法 | 第33-36页 |
| ·蚁群聚类算法存在的问题 | 第36-37页 |
| 第四章 一种改进的蚁群聚类算法 | 第37-43页 |
| ·蚁群聚类算法分析 | 第37页 |
| ·改进算法的基本思想 | 第37-38页 |
| ·算法的基本原理 | 第38-39页 |
| ·适应度函数 | 第38页 |
| ·移动策略 | 第38-39页 |
| ·算法分析 | 第39-42页 |
| ·算法步骤 | 第39-40页 |
| ·算法测试与分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 AGACA 蚁群聚类算法及应用 | 第43-53页 |
| ·AGACA 的基本思想 | 第43页 |
| ·算法的基本原理 | 第43-44页 |
| ·适应度函数 | 第43-44页 |
| ·选择概率 | 第44页 |
| ·信息素更新 | 第44页 |
| ·AGACA 算法步骤及分析 | 第44-47页 |
| ·算法步骤 | 第44-46页 |
| ·AGACA 算法分析 | 第46-47页 |
| ·算法的应用与结果分析 | 第47-51页 |
| ·实验介绍 | 第47-48页 |
| ·实验结果与分析 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59-61页 |
| 攻读硕士学位期间取得的学术成果 | 第61-62页 |
| 致谢 | 第62页 |
