| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和课题意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 聚类分析的研究现状 | 第10-11页 |
| 1.2.2 智能优化算法的研究现状 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 1.4 本文的组织结构 | 第13页 |
| 1.5 本章小结 | 第13-15页 |
| 第二章 数据挖掘与聚类分析理论 | 第15-29页 |
| 2.1 数据挖掘概述 | 第15-19页 |
| 2.1.1 数据挖掘的定义 | 第15页 |
| 2.1.2 数据挖掘的应用 | 第15-16页 |
| 2.1.3 数据挖掘项目的生命周期 | 第16-17页 |
| 2.1.4 数据挖掘的任务 | 第17-19页 |
| 2.2 聚类分析的基本概念 | 第19页 |
| 2.3 聚类分析中的数据类型 | 第19-25页 |
| 2.3.1 区间标度变量 | 第20-21页 |
| 2.3.2 二元变量 | 第21-22页 |
| 2.3.3 分类、序数和比例标度变量 | 第22-24页 |
| 2.3.4 混合类型的变量 | 第24-25页 |
| 2.4 聚类分析的主要算法 | 第25-28页 |
| 2.4.1 基于划分的方法 | 第25-26页 |
| 2.4.2 基于层次的方法 | 第26页 |
| 2.4.3 基于密度的方法 | 第26-27页 |
| 2.4.4 基于网格的方法 | 第27-28页 |
| 2.4.5 基于模型的方法 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 引力移动算法 | 第29-37页 |
| 3.1 引力移动算法的起源 | 第29页 |
| 3.2 引力移动算法的原理 | 第29-31页 |
| 3.2.1 算法思想 | 第29-30页 |
| 3.2.2 位置更新公式 | 第30-31页 |
| 3.2.3 质量函数 | 第31页 |
| 3.3 引力移动算法流程 | 第31-32页 |
| 3.4 仿真实验及性能分析 | 第32-36页 |
| 3.4.1 基准函数 | 第32-33页 |
| 3.4.2 实验仿真 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于权值的引力移动算法 | 第37-45页 |
| 4.1 引言 | 第37页 |
| 4.2 基于权值的引力移动算法简述 | 第37-38页 |
| 4.3 基于权值的引力移动算法的实现流程 | 第38页 |
| 4.4 实验结果分析 | 第38-43页 |
| 4.4.1 基准函数 | 第38-39页 |
| 4.4.2 实验仿真 | 第39-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 基于权值的引力移动算法在聚类分析中应用 | 第45-53页 |
| 5.1 引言 | 第45-46页 |
| 5.2 高维空间距离函数和模糊C-均值聚类算法 | 第46-49页 |
| 5.2.1 高维数据距离的重新定义 | 第46-47页 |
| 5.2.2 模糊C-均值算法 | 第47-49页 |
| 5.3 基于改进的引力移动算法的高维模糊C-均值聚类算法 | 第49-51页 |
| 5.3.1 算法分析 | 第49-50页 |
| 5.3.2 算法编码 | 第50页 |
| 5.3.3 算法流程 | 第50页 |
| 5.3.4 实验结果 | 第50-51页 |
| 5.4 小结 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 本文总结 | 第53页 |
| 6.2 后续工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 发表论文及科研情况 | 第59-61页 |
| 致谢 | 第61页 |