| 作者简介 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 引言 | 第14-15页 |
| 1.2 研究的基本思路、意义和国内外现状 | 第15-16页 |
| 1.3 本文的主要工作及安排 | 第16-17页 |
| 1.4 小结 | 第17-18页 |
| 第二章 本文相关的理论和方法 | 第18-26页 |
| 2.1 引言 | 第18-19页 |
| 2.2 进化算法综述 | 第19-20页 |
| 2.2.1 进化算法的产生和发展 | 第19页 |
| 2.2.2 进化算法的主要操作和步骤 | 第19-20页 |
| 2.2.3 进化算法的特点[36] | 第20页 |
| 2.3 粒子群算法综述 | 第20-22页 |
| 2.3.1 算法原理 | 第20-21页 |
| 2.3.2 PSO 算法过程 | 第21-22页 |
| 2.4 数据挖掘技术综述 | 第22-24页 |
| 2.5 小结 | 第24-26页 |
| 第三章 基于PAM和均匀设计的并行粒子群算法 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 相关知识 | 第26-31页 |
| 3.2.1 粒子群优化 | 第26-27页 |
| 3.2.2 PAM 算法 | 第27-28页 |
| 3.2.3 均匀设计 | 第28-31页 |
| 3.3 基于 PAM 和均匀设计的并行粒子群算法 | 第31-33页 |
| 3.3.1 算法思想 | 第31-32页 |
| 3.3.2 算法步骤 | 第32-33页 |
| 3.4 算法的实验仿真 | 第33-38页 |
| 3.4.1 测试问题 | 第34页 |
| 3.4.2 参数值 | 第34页 |
| 3.4.3 结果 | 第34-37页 |
| 3.4.4 维数的影响 | 第37-38页 |
| 3.5 小结 | 第38-40页 |
| 第四章 基于PAM和均匀设计的多目标粒子群优化 | 第40-54页 |
| 4.1 引言 | 第40页 |
| 4.2 相关知识 | 第40-42页 |
| 4.2.1 基于均匀设计的交叉算子 | 第40-41页 |
| 4.2.2 多目标粒子群优化 | 第41-42页 |
| 4.3 基于 PAM 和均匀设计的多目标粒子群优化 | 第42-45页 |
| 4.3.1 基于均匀设计的选择机制为个体选择 | 第42页 |
| 4.3.2 基于 PAM 的选择机制为 Gbest | 第42-43页 |
| 4.3.3 基于均匀设计和 PAM 的 Pareto 最优解调整 | 第43-44页 |
| 4.3.4 提出算法的思想 | 第44页 |
| 4.3.5 提出算法的步骤 | 第44-45页 |
| 4.4 算法的实验仿真 | 第45-53页 |
| 4.4.1 测试问题 | 第45-47页 |
| 4.4.2 参数值 | 第47-48页 |
| 4.4.3 性能度量 | 第48-49页 |
| 4.4.4 结果 | 第49-52页 |
| 4.4.5 均匀交叉的影响 | 第52-53页 |
| 4.5 小结 | 第53-54页 |
| 第五章 基于属性索引和均匀设计的多目标演化规则挖掘 | 第54-76页 |
| 5.1 引言 | 第54页 |
| 5.2 相关知识 | 第54-59页 |
| 5.2.1 关联规则及其度量 | 第54-57页 |
| 5.2.2 多目标演化算法 | 第57-58页 |
| 5.2.3 多目标演化关联规则挖掘 | 第58页 |
| 5.2.4 相关工作 | 第58-59页 |
| 5.3 基于属性索引和均匀设计的多目标演化规则挖掘 | 第59-72页 |
| 5.3.1 属性索引 | 第59-63页 |
| 5.3.2 函数适应度 | 第63-64页 |
| 5.3.3 编码和解码 | 第64页 |
| 5.3.4 初始化 | 第64-66页 |
| 5.3.5 变长度变位置的交叉算子 | 第66页 |
| 5.3.6 用于交叉操作的选择机制 | 第66-67页 |
| 5.3.7 变异算子 | 第67-70页 |
| 5.3.8 精英选择或精英主义 | 第70-71页 |
| 5.3.9 结合精英的用于下一代的选择机制 | 第71-72页 |
| 5.3.10 提出算法的步骤 | 第72页 |
| 5.4 算法的实验仿真 | 第72-74页 |
| 5.4.1 测试问题 | 第72-73页 |
| 5.4.2 参数值 | 第73页 |
| 5.4.3 结果 | 第73-74页 |
| 5.5 小结 | 第74-76页 |
| 第六章 聚类算法性能度量的类别分配算法 | 第76-84页 |
| 6.1 引言 | 第76页 |
| 6.2 聚类算法的性能 | 第76-77页 |
| 6.3 类别分配算法 | 第77-81页 |
| 6.4 几种聚类算法 | 第81-82页 |
| 6.5 算法的实验仿真 | 第82-83页 |
| 6.6 小结 | 第83-84页 |
| 第七章 基于动态交叉粒子群的混合聚类算法 | 第84-106页 |
| 7.1 引言 | 第84页 |
| 7.2 相关知识 | 第84-85页 |
| 7.2.1 K 均值聚类算法 | 第84-85页 |
| 7.2.2 动态交叉 | 第85页 |
| 7.3 基于动态交叉粒子群的混合聚类算法 | 第85-87页 |
| 7.4 算法的实验仿真 | 第87-102页 |
| 7.4.1 数据集 1 | 第87-88页 |
| 7.4.2 数据集 2 | 第88-90页 |
| 7.4.3 数据集 3 | 第90-92页 |
| 7.4.4 数据集 4 | 第92-94页 |
| 7.4.5 数据集 5 | 第94-101页 |
| 7.4.6 数据集 6 | 第101-102页 |
| 7.5 在图像分割中的应用 | 第102-103页 |
| 7.6 小结 | 第103-106页 |
| 结束语 | 第106-108页 |
| 致谢 | 第108-110页 |
| 参考文献 | 第110-126页 |
| 攻读博士学位期间的研究成果和参加的科研项目 | 第126-128页 |
