蚁群算法研究及其在聚类中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究的背景、目的及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·蚁群算法的研究现状 | 第11-12页 |
| ·聚类算法的研究现状 | 第12页 |
| ·蚁群聚类算法的研究现状 | 第12-14页 |
| ·研究内容与思路 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 蚁群算法与聚类算法简介 | 第16-27页 |
| ·蚁群算法简介 | 第16-21页 |
| ·蚁群算法的基本原理 | 第16页 |
| ·基本蚁群算法的模型 | 第16-19页 |
| ·基本蚁群算法的实现 | 第19-20页 |
| ·基本蚁群算法的优缺点 | 第20-21页 |
| ·聚类算法简介 | 第21-26页 |
| ·聚类问题模型 | 第21-23页 |
| ·聚类的一般过程 | 第23页 |
| ·数据规范化变换方法 | 第23-24页 |
| ·相似度计算方法 | 第24-26页 |
| ·聚类分析的主要方法 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 蚁群聚类算法 | 第27-35页 |
| ·基于蚁堆原理的蚁群聚类算法 | 第27-31页 |
| ·BM 模型 | 第27-28页 |
| ·LF 算法 | 第28-31页 |
| ·AM 模型 | 第31页 |
| ·基于觅食原理的蚁群聚类算法 | 第31-34页 |
| ·算法思想 | 第31-33页 |
| ·算法描述 | 第33页 |
| ·算法分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 IAAC蚁群聚类算法 | 第35-39页 |
| ·算法的基本思想 | 第35页 |
| ·IAAC 算法的基本原理 | 第35-38页 |
| ·群体相似度的计算 | 第35-36页 |
| ·改进的AM 模型 | 第36页 |
| ·改进的移动策略 | 第36-37页 |
| ·阈值的自适应策略 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 IAAC算法的实现与分析 | 第39-46页 |
| ·IAAC 算法步骤 | 第39-40页 |
| ·算法流程图 | 第40-41页 |
| ·IAAC 算法实验 | 第41-45页 |
| ·试验结果分析 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第六章 IAAC算法在经济景气指标划分中的应用 | 第46-51页 |
| ·经济景气指标的分类 | 第46页 |
| ·K-L 信息量法 | 第46-47页 |
| ·时序相关法 | 第47页 |
| ·经济景气指标划分结果及分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间取得的研究成果 | 第55-56页 |
| 致谢 | 第56-57页 |
| 附件 | 第57页 |
