流聚类算法和某些群智能算法的研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第9-13页 |
| 1.1 数据挖掘概述 | 第9-10页 |
| 1.2 研究现状 | 第10页 |
| 1.3 改进数据流算法介绍 | 第10-11页 |
| 1.4 燕子群算法概述 | 第11-12页 |
| 1.5 创新点和结构安排 | 第12-13页 |
| 1.5.1 创新点 | 第12页 |
| 1.5.2 论文的主要工作及结构安排 | 第12-13页 |
| 2 数据流相关知识及聚类算法介绍 | 第13-19页 |
| 2.1 数据流及其特点 | 第13-14页 |
| 2.2 聚类算法介绍 | 第14-16页 |
| 2.3 数据流挖掘的特点 | 第16页 |
| 2.4 数据挖掘流程 | 第16-17页 |
| 2.5 K-means聚类算法 | 第17-19页 |
| 3 采用分层聚类的数据流挖掘方法 | 第19-25页 |
| 3.1 算法介绍 | 第19页 |
| 3.2 算法原理 | 第19页 |
| 3.3 算法描述 | 第19-23页 |
| 3.4 实验及结果分析 | 第23-24页 |
| 3.5 本章小结 | 第24-25页 |
| 4 一种改进燕子群算法 | 第25-36页 |
| 4.1 前言 | 第25页 |
| 4.2 燕子群算法基本思想简介 | 第25-27页 |
| 4.3 燕子群算法描述 | 第27-28页 |
| 4.4 燕子群算法的流程： | 第28-29页 |
| 4.5 燕子群算法流程图 | 第29页 |
| 4.6 改进燕子群算法描述 | 第29-31页 |
| 4.7 燕子群算法流程 | 第31页 |
| 4.8 实验仿真与结果分析 | 第31-34页 |
| 4.8.1 测试函数 | 第31-32页 |
| 4.8.2 实验结果 | 第32-34页 |
| 4.9 本章小结 | 第34-36页 |
| 5 采用多搜索模式的粒子群算法 | 第36-45页 |
| 5.1 粒子群算法介绍 | 第36页 |
| 5.2 标准粒子群算法存在的不足 | 第36-37页 |
| 5.3 采用多搜索模式的粒子群算法 | 第37-40页 |
| 5.3.1 改进的粒子群算法基本思想 | 第37页 |
| 5.3.2 改进的粒子群算法描述 | 第37-39页 |
| 5.3.3 飞行模式选择方法 | 第39-40页 |
| 5.4 实验仿真与结果分析 | 第40-44页 |
| 5.4.1 测试函数 | 第40-41页 |
| 5.4.2 实验结果 | 第41-44页 |
| 5.4.3 结果分析 | 第44页 |
| 5.5 本章小结 | 第44-45页 |
| 6 总结和展望 | 第45-47页 |
| 6.1 总结 | 第45页 |
| 6.2 展望 | 第45-47页 |
| 参考文献 | 第47-53页 |
| 附录 | 第53-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67页 |
