数据挖掘中基于遗传算法的聚类方法应用研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-13页 |
| ·课题背景与意义 | 第9-11页 |
| ·数据挖掘技术的产生及研究现状 | 第9-10页 |
| ·数据挖掘中的聚类 | 第10页 |
| ·遗传算法与数据挖掘 | 第10-11页 |
| ·研究目标及主要内容 | 第11页 |
| ·本文内容的组织和结构 | 第11-13页 |
| 2 数据挖掘技术概述 | 第13-22页 |
| ·引言 | 第13-14页 |
| ·数据挖掘的定义 | 第14-15页 |
| ·数据挖掘的过程 | 第15-17页 |
| ·数据取样(Sample) | 第15-16页 |
| ·数据探索(Explore) | 第16页 |
| ·数据调整(Modify) | 第16页 |
| ·数据分析(Analysis) | 第16页 |
| ·结果评价(Assess) | 第16-17页 |
| ·数据挖掘的目的和分析方法 | 第17-18页 |
| ·数据挖掘的方法和技术 | 第18-19页 |
| ·数据挖掘的应用领域及发展趋势 | 第19-21页 |
| ·应用领域 | 第19-20页 |
| ·数据挖掘的发展趋势 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 数据聚类及聚类技术 | 第22-39页 |
| ·引言 | 第22页 |
| ·聚类的定义 | 第22页 |
| ·相似度度量 | 第22-24页 |
| ·定义距离的方法 | 第23页 |
| ·定义相似度的方法 | 第23-24页 |
| ·聚类准则函数 | 第24-26页 |
| ·聚类方法的分类及典型算法 | 第26-36页 |
| ·基于划分的方法 | 第27-29页 |
| ·基于层次的方法 | 第29-32页 |
| ·基于密度的方法 | 第32-34页 |
| ·基于网格的方法 | 第34-35页 |
| ·基于模型的方法 | 第35页 |
| ·几种常用算法的性能比较 | 第35-36页 |
| ·聚类挖掘技术的应用及研究方向 | 第36-38页 |
| ·本章小节 | 第38-39页 |
| 4 遗传算法的基本原理及方法 | 第39-50页 |
| ·引言 | 第39页 |
| ·遗传算法基础 | 第39-41页 |
| ·遗传算法的产生及发展 | 第39页 |
| ·遗传算法的基本思想和术语 | 第39-40页 |
| ·遗传算法的基本特点 | 第40-41页 |
| ·遗传算法的基本要素 | 第41-46页 |
| ·染色体编码方法 | 第41-42页 |
| ·适应度函数 | 第42-43页 |
| ·遗传算子 | 第43-46页 |
| ·控制参数选择 | 第46页 |
| ·应用流程及算法 | 第46-49页 |
| ·遗传算法的应用流程 | 第46-48页 |
| ·遗传算法的算法描述 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 5 基于遗传算法的聚类挖掘应用与实例 | 第50-64页 |
| ·引言 | 第50页 |
| ·聚类分析中引入遗传算法的意义 | 第50-51页 |
| ·基于遗传算法的K 均值聚类算法 | 第51-53页 |
| ·染色体编码 | 第51页 |
| ·初始群体的产生 | 第51页 |
| ·适应度函数的选取 | 第51页 |
| ·遗传算子 | 第51-53页 |
| ·K 均值操作 | 第53页 |
| ·循环终止条件 | 第53页 |
| ·算法的设计 | 第53页 |
| ·改进的遗传聚类算法 | 第53-56页 |
| ·染色体描述和种群初始化 | 第53-54页 |
| ·适应度函数 | 第54页 |
| ·交叉算子 | 第54页 |
| ·变异算子 | 第54-55页 |
| ·算法流程 | 第55-56页 |
| ·实验结果与分析 | 第56-58页 |
| ·测试数据集描述 | 第56-57页 |
| ·算法测试 | 第57-58页 |
| ·应用实例 | 第58-63页 |
| ·数据的预处理 | 第59页 |
| ·系统功能 | 第59-60页 |
| ·算法实现 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 6 结论 | 第64-66页 |
| ·论文的主要工作 | 第64-65页 |
| ·进一步努力的方向 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录 | 第70页 |
