| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-12页 |
| ·研究背景 | 第9-10页 |
| ·研究意义、目的 | 第10-11页 |
| ·本文主要内容和结构 | 第11-12页 |
| 第2章 基本蚁群优化算法模型及其改进算法 | 第12-21页 |
| ·引言 | 第12-13页 |
| ·蚁群优化(ACO)算法基本原理及其实现 | 第13-18页 |
| ·基于AS算法的几种改进算法 | 第18-21页 |
| 第3章 数据分类算法 | 第21-33页 |
| ·数据挖掘技术概述 | 第21页 |
| ·数据挖掘的功能 | 第21-23页 |
| ·分类规则挖掘常用算法 | 第23-25页 |
| ·Ant-miner算法 | 第25-31页 |
| ·本章总结 | 第31-33页 |
| 第4章 基于多目标并行蚁群优化(IMACO)的分类算法 | 第33-41页 |
| ·IMACO的提出背景 | 第33-34页 |
| ·IMACO算法模型的建立 | 第34-38页 |
| ·IMACO算法参数的选取规则 | 第38页 |
| ·实验结果与分析 | 第38-41页 |
| 第5章 结束语 | 第41-43页 |
| ·本文所做的主要工作 | 第41页 |
| ·展望 | 第41-43页 |
| 参考文献 | 第43-48页 |
| 附录1:Tic-tac-toe实验结果 | 第48-51页 |
| 附录2:Car Evaluation实验结果 | 第51-56页 |
| 附录3:Nursery实验结果 | 第56-59页 |
| 致谢 | 第59页 |