| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 群智能优化算法概述 | 第9-10页 |
| 1.2 聚类分析概述 | 第10-11页 |
| 1.3 聚类算法综述 | 第11-12页 |
| 1.4 文章组织 | 第12-13页 |
| 第2章 人工蜂群算法概述及其改进 | 第13-27页 |
| 2.1 人工蜂群算法的基本原理 | 第13-17页 |
| 2.1.1 算法起源 | 第13页 |
| 2.1.2 基本人工蜂群算法 | 第13-15页 |
| 2.1.3 收敛性分析 | 第15-17页 |
| 2.2 人工蜂群算法的研究进展 | 第17-18页 |
| 2.3 改进的人工蜂群算法(PSABC)和定位更新技术(LUT) | 第18-21页 |
| 2.3.1 改进的人工蜂群算法(PSABC) | 第18-20页 |
| 2.3.2 定位更新技术(LUT) | 第20-21页 |
| 2.4 实验结果 | 第21-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 数据聚类 | 第27-42页 |
| 3.1 传统的聚类方法 | 第27-30页 |
| 3.1.1 聚类分析的数学模型 | 第27-28页 |
| 3.1.2 硬C均值(HCM) | 第28-29页 |
| 3.1.3 模糊C均值(FCM) | 第29-30页 |
| 3.2 适合聚类的群智能优化算法 | 第30-35页 |
| 3.2.1 适合聚类的PSABC算法 | 第30-32页 |
| 3.2.2 各种混合聚类算法 | 第32-35页 |
| 3.3 实验结果 | 第35-41页 |
| 3.3.1 类内距离之和 | 第35-39页 |
| 3.3.2 分类正确率 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 估计最佳聚类数目 | 第42-48页 |
| 4.1 Gap Statistic方法和Weighted Gap Statistic方法 | 第42-44页 |
| 4.2 用LUT-FCM-PSABC算法来估计最佳聚类数目 | 第44-45页 |
| 4.3 实验结果 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55页 |
