中文摘要 | 第1-4页 |
ABSTRACT | 第4-6页 |
目录 | 第6-8页 |
第1章 引言 | 第8-19页 |
·数据挖掘的概念、任务、应用 | 第8-10页 |
·数据挖掘的步骤 | 第10-11页 |
·数据挖掘技术现状 | 第11-13页 |
·数据挖掘研究的重点及问题 | 第13-14页 |
·聚类技术研究的意义、重点及问题 | 第14-17页 |
·数据挖掘中的聚类技术研究的意义 | 第15-16页 |
·聚类分析研究面临的挑战和需要解决的问题 | 第16-17页 |
·聚类分析中引入遗传算法的意义 | 第17页 |
·课题研究的主要内容和取得的主要成果 | 第17-19页 |
·课题研究的主要内容和目标 | 第17-18页 |
·取得的主要成果 | 第18页 |
·本文的组织 | 第18-19页 |
第2章 聚类分析技术概述 | 第19-30页 |
·常用的聚类方法 | 第19-20页 |
·聚类分析的基本知识 | 第20-24页 |
·聚类策略 | 第24-26页 |
·聚类的一般步骤 | 第24-25页 |
·常用的聚类策略 | 第25-26页 |
·层次聚类法 | 第26-28页 |
·动态聚类法 | 第28-29页 |
·小结 | 第29-30页 |
第3章 现有聚类算法的分类研究 | 第30-47页 |
·聚类准则 | 第30-33页 |
·基于距离的聚类 | 第31-32页 |
·基于密度的聚类 | 第32-33页 |
·基于链接的聚类 | 第33页 |
·聚类的表示 | 第33-36页 |
·代表点 | 第33-34页 |
·密度范围 | 第34-35页 |
·单元格 | 第35页 |
·概率 | 第35-36页 |
·算法框架 | 第36-38页 |
·最优化划分法 | 第36-37页 |
·聚合法 | 第37页 |
·分裂法 | 第37-38页 |
·混合聚类技术 | 第38-40页 |
·Hybrid:距离+密度 | 第38页 |
·CHAMELEON:距离+连接度 | 第38-39页 |
·GAmeans:遗传算法+k-means | 第39页 |
·DENCLUE:广义的密度方法 | 第39-40页 |
·增量聚类 | 第40-41页 |
·自动化与可视化方法 | 第41页 |
·基于距离的聚类和增量算法的进一步讨论 | 第41-46页 |
·基于距离的聚类方法的比较 | 第41-43页 |
·一种基于密度的增量式网络聚类算法-IGDCLUS | 第43-46页 |
·小结 | 第46-47页 |
第4章 聚类分析的遗传算法 | 第47-61页 |
·进化计算与聚类分析 | 第47-49页 |
·遗传算法的基本原理 | 第49-51页 |
·遗传算法的结构 | 第50-51页 |
·遗传算法的基本原理 | 第51页 |
·聚类分析的遗传算法 | 第51-58页 |
·聚类问题的染色体构造与编码 | 第52-53页 |
·聚类问题适应度函数的定义 | 第53-54页 |
·遗传算法的改进和扩充 | 第54-56页 |
·控制参数的自适应选取 | 第56-57页 |
·群体替换方式的改进 | 第57页 |
·遗传操作的选取及控制参数的范围 | 第57-58页 |
·进化策略及其在聚类分析中的应用 | 第58-60页 |
·进化策略的基本原理 | 第58-59页 |
·用进化策略求解聚类问题 | 第59-60页 |
·小结 | 第60-61页 |
第5章 一种基于佳点集GA的聚类算法 | 第61-71页 |
·佳点集遗传算法 | 第61-63页 |
·k-means聚类算法 | 第63-64页 |
·一种基于佳点集GA的聚类算法-GAmeans | 第64-66页 |
·GAmeans算法的结构 | 第64-66页 |
·GAmeans算法描述 | 第66页 |
·使用GAmeans和k-means的混合聚类方法 | 第66-67页 |
·实验结果与分析 | 第67-70页 |
·实验1:遗传聚类算法性能比较测试 | 第67-69页 |
·实验2:GAmeans中交叉操作在不同选择方式下的性能比较 | 第69-70页 |
·小结 | 第70-71页 |
第6章 总结和对未来工作的展望 | 第71-74页 |
·本文的贡献 | 第71页 |
·进一步的研究工作 | 第71-72页 |
·对聚类分析研究的展望 | 第72-74页 |
参考文献 | 第74-78页 |
致谢 | 第78-79页 |
攻读硕士学位期间发表的论文 | 第79页 |