| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| ·数据挖掘产生的背景及基本概念 | 第10-13页 |
| ·数据挖掘产生的背景 | 第10页 |
| ·数据挖掘的基本概念 | 第10-11页 |
| ·数据挖掘的处理过程 | 第11页 |
| ·数据挖掘的任务 | 第11-12页 |
| ·数据挖掘的成熟方法和技术 | 第12-13页 |
| ·聚类分析 | 第13-15页 |
| ·聚类分析的基本概念 | 第13-14页 |
| ·聚类算法 | 第14-15页 |
| ·聚类算法的研究现状 | 第15页 |
| ·遗传算法的基本概念及现状 | 第15-16页 |
| ·遗传算法的基本概念 | 第15页 |
| ·遗传算法的研究现状 | 第15-16页 |
| ·本文的主要工作 | 第16-17页 |
| 第二章 聚类分析 | 第17-23页 |
| ·聚类分析 | 第17-18页 |
| ·聚类分析中的聚类准则函数 | 第18-19页 |
| ·常见的聚类算法 | 第19-23页 |
| ·K-means 聚类算法 | 第19-20页 |
| ·BIRCH 算法 | 第20-21页 |
| ·DBSCAN 算法 | 第21-22页 |
| ·STING 算法 | 第22-23页 |
| 第三章 遗传算法(Genetic Algorithm, GA) | 第23-29页 |
| ·遗传算法概述 | 第23-24页 |
| ·遗传算法的理论基础 | 第24页 |
| ·基本遗传算法的构成要素 | 第24-25页 |
| ·基本遗传算法的求解过程 | 第25-28页 |
| ·基本遗传算法的缺陷 | 第28-29页 |
| 第四章 基于改进的模拟退火机制的多种群并行遗传算法 | 第29-39页 |
| ·模拟退火遗传算法 | 第29-33页 |
| ·模拟退火算法(Simulated Annealing) | 第29-31页 |
| ·模拟退火遗传算法(Simulated Annealing Genetic Algorithm, SAGA) | 第31-33页 |
| ·模拟退火遗传算法的改进方法 | 第33页 |
| ·多种群并行遗传算法 | 第33-35页 |
| ·基于模拟退火机制的多种群并行遗传算法 | 第35-36页 |
| ·小生境技术(Niche) | 第36-37页 |
| ·小生境与遗传算法 | 第36页 |
| ·遗传算法中小生境的实现方法 | 第36-37页 |
| ·基于改进的模拟退火机制的多种群并行遗传算法 | 第37-39页 |
| 第五章 基于改进的模拟退火多种群并行遗传算法的聚类 | 第39-54页 |
| ·基于遗传算法的聚类方法 | 第39-41页 |
| ·固定聚类数目k 的聚类算法 | 第41-43页 |
| ·可变聚类数目k 的聚类算法 | 第43-45页 |
| ·仿真实验 | 第45-54页 |
| ·实验环境 | 第45-47页 |
| ·实验测试及结果 | 第47-53页 |
| ·不同算法的综合性能分析 | 第53-54页 |
| 第六章 总结 | 第54-55页 |
| ·总结 | 第54页 |
| ·未来的工作 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 攻读学位期间发表的学术论文目录 | 第57-58页 |
| 致谢 | 第58页 |
