基于改进粒子群算法的聚类分析研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-15页 |
| ·问题的提出 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·国外研究现状 | 第10-12页 |
| ·国内研究现状 | 第12-13页 |
| ·本文的主要工作 | 第13页 |
| ·论文的结构 | 第13-15页 |
| 2 数据挖掘与聚类分析基本概念 | 第15-26页 |
| ·数据挖掘概述 | 第15-18页 |
| ·数据挖掘定义 | 第15页 |
| ·数据挖掘的应用 | 第15-16页 |
| ·数据挖掘项目的生命周期 | 第16-17页 |
| ·数据挖掘的任务 | 第17-18页 |
| ·聚类分析的基本概念 | 第18页 |
| ·聚类分析的历史和现状 | 第18-19页 |
| ·聚类分析发展方向 | 第19-20页 |
| ·聚类分析中的数据类型 | 第20-23页 |
| ·区间标度变量 | 第20-21页 |
| ·计算标准度量值 | 第21页 |
| ·类间距离的定义 | 第21-22页 |
| ·二元变量 | 第22页 |
| ·标称变量 | 第22页 |
| ·序数型变量 | 第22页 |
| ·比例标度型变量 | 第22页 |
| ·混合类型的变量 | 第22-23页 |
| ·聚类分析的主要算法 | 第23-25页 |
| ·划分方法 | 第23-24页 |
| ·层次方法 | 第24页 |
| ·基于密度的方法 | 第24-25页 |
| ·基于网格法 | 第25页 |
| ·基于模型法 | 第25页 |
| ·本章小结 | 第25-26页 |
| 3 粒子群算法 | 第26-33页 |
| ·粒子群算法概述 | 第26-28页 |
| ·概念 | 第26-27页 |
| ·粒子群算法的发展 | 第27-28页 |
| ·粒子群算法的应用 | 第28页 |
| ·基本粒子群算法原理 | 第28-29页 |
| ·基本粒子群算法流程 | 第29-30页 |
| ·与其他算法的区别 | 第30-32页 |
| ·与基于梯度的优化算法 | 第30-31页 |
| ·与进化算法 | 第31页 |
| ·与蚁群算法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 基于改进粒子群算法的聚类分析 | 第33-42页 |
| ·改进粒子群算法介绍 | 第33-34页 |
| ·离散粒子群优化算法 | 第33页 |
| ·小生境粒子群优化算法 | 第33页 |
| ·混合粒子群优化算法 | 第33-34页 |
| ·带克隆选择粒子的动态聚类算法 | 第34-39页 |
| ·带克隆选择的粒子群聚类算法基本思想 | 第35-36页 |
| ·目标函数的改进及粒子群聚类算法 | 第36-38页 |
| ·初始类簇中心及聚类簇数的选取 | 第38页 |
| ·编码方案 | 第38页 |
| ·抗体-抗原亲合力函数 | 第38页 |
| ·抗体-抗体相似度函数及抗体浓度 | 第38-39页 |
| ·克隆选择算子操作 | 第39-41页 |
| ·克隆操作中的克隆规模 | 第39页 |
| ·基因变异操作 | 第39-40页 |
| ·选择操作 | 第40页 |
| ·算法流程 | 第40-41页 |
| ·本章小节 | 第41-42页 |
| 5 仿真实验 | 第42-49页 |
| ·仿真平台选取 | 第42页 |
| ·实验数据的选取 | 第42页 |
| ·参数初始设置 | 第42-43页 |
| ·实验结果及分析 | 第43-48页 |
| ·本章小节 | 第48-49页 |
| 6 结论与展望 | 第49-50页 |
| ·本文结论 | 第49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 附录 A：作者攻读硕士学位期间发表论文及科研情况 | 第55-56页 |
| 致谢 | 第56-57页 |
