基于群体智能算法的聚类分析研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7页 |
| ·国内外相关研究进展 | 第7-8页 |
| ·聚类问题 | 第8页 |
| ·聚类存在的问题 | 第8-9页 |
| ·本文研究内容及组织架构 | 第9-11页 |
| 第二章 群体智能算法概述 | 第11-20页 |
| ·群体智能算法 | 第11-12页 |
| ·群体智能算法及其特点 | 第11页 |
| ·群体智能算法的研究 | 第11-12页 |
| ·粒子群算法 | 第12-16页 |
| ·GBEST版本粒子群算法 | 第13-14页 |
| ·LBEST版本粒子群算法 | 第14页 |
| ·粒子群算法的两个主要变种 | 第14-15页 |
| ·粒子群算法的其它研究 | 第15-16页 |
| ·人工蜂群算法 | 第16-19页 |
| ·蜂群算法的基本思想 | 第16-18页 |
| ·蜂群算法的相关研究 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 改进粒子群算法在文本聚类中的分析 | 第20-37页 |
| ·文本聚类过程概况 | 第20页 |
| ·文本聚类相关概念 | 第20-23页 |
| ·文本预处理 | 第20-22页 |
| ·文本表示 | 第22页 |
| ·文本间相似度计算 | 第22页 |
| ·文本聚类效果评价 | 第22-23页 |
| ·带有环境因子约束的粒子群算法 | 第23-26页 |
| ·算法思想 | 第23-24页 |
| ·算法流程及步骤 | 第24-26页 |
| ·带有环境因子的粒子群文本聚类算法 | 第26-27页 |
| ·实验结果与分析 | 第27-36页 |
| ·数据集抽取和文本预处理 | 第27页 |
| ·EPSO文本聚类算法参数讨论 | 第27-33页 |
| ·实验对比和分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 增强搜索策略的人工蜂群算法的聚类分析 | 第37-51页 |
| ·数据聚类流程概要 | 第37页 |
| ·数据聚类的评价 | 第37-38页 |
| ·增强搜索策略的人工蜂群算法 | 第38-40页 |
| ·算法思想 | 第38-39页 |
| ·算法伪代码 | 第39-40页 |
| ·增强搜索策略的人工蜂群算法实验 | 第40-50页 |
| ·实验数据集介绍 | 第40-42页 |
| ·算法和相关参数的设置 | 第42页 |
| ·实验结果和实验分析 | 第42-50页 |
| ·本章小结 | 第50-51页 |
| 主要结论与展望 | 第51-53页 |
| 主要结论 | 第51-52页 |
| 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第57页 |
