蚁群算法及其在案例检索中的应用研究
| 第一章 绪论 | 第1-19页 |
| ·论文选题的背景 | 第12页 |
| ·CBR的国内外研究现状概述 | 第12-14页 |
| ·CBR的国内外研究现状 | 第12-13页 |
| ·CBR的进一步研究方向 | 第13-14页 |
| ·蚁群算法国内外研究现状概述 | 第14-17页 |
| ·蚁群算法的提出 | 第14-15页 |
| ·蚁群算法的国内外研究现状 | 第15页 |
| ·蚁群算法的应用 | 第15-16页 |
| ·蚁群算法的研究方向 | 第16-17页 |
| ·论文主要内容与结构 | 第17-19页 |
| 第二章 CBR及其检索技术 | 第19-26页 |
| ·CBR概述 | 第19-22页 |
| ·CBR起源和概念 | 第19-20页 |
| ·CBR中案例的表示方法 | 第20-21页 |
| ·CBR中案例的存储方法 | 第21页 |
| ·CBR的修正技术 | 第21-22页 |
| ·CBR系统的维护 | 第22页 |
| ·CBR的几种检索技术 | 第22-25页 |
| ·相似性度量函数 | 第23页 |
| ·检索目标 | 第23页 |
| ·几种检索方式 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 蚁群算法及其优化研究 | 第26-34页 |
| ·蚁群算法的原理 | 第26-27页 |
| ·基本蚁群算法 | 第27-29页 |
| ·蚁群算法的改进 | 第29-31页 |
| ·使用随机插入式算法生成初期信息素 | 第29页 |
| ·改进3-opt算法进行优化 | 第29-31页 |
| ·实验及其结果分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 蚁群算法与聚类问题 | 第34-47页 |
| ·聚类分析概述 | 第34-37页 |
| ·聚类分析及其应用 | 第34-35页 |
| ·聚类方法概述 | 第35-37页 |
| ·聚类算法的一般步骤 | 第37页 |
| ·基于蚁群算法的聚类问题解决方案 | 第37-41页 |
| ·引言 | 第37-38页 |
| ·聚类问题的数学描述 | 第38-39页 |
| ·信息素的初始化方案、分配策略 | 第39页 |
| ·聚类分析中初始聚类集的确定 | 第39页 |
| ·聚类分析中蚂蚁的搜索路径 | 第39-40页 |
| ·蚁群算法终止条件 | 第40-41页 |
| ·具体算法流程 | 第41页 |
| ·实验及其结果 | 第41-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 基于蚁群算法的案例检索系统 | 第47-59页 |
| ·CBR案例检索方法 | 第47-50页 |
| ·基于蚁群算法的检索策略 | 第47-48页 |
| ·聚类集合的确定 | 第48页 |
| ·聚类中心的确定 | 第48-50页 |
| ·系统设计与实现 | 第50-56页 |
| ·系统的整体框架流程 | 第50-51页 |
| ·数据初始化 | 第51-52页 |
| ·相似度计算 | 第52-53页 |
| ·信息素分布 | 第53-54页 |
| ·聚类效果可视化 | 第54-55页 |
| ·聚类信息查看 | 第55-56页 |
| ·案例检索 | 第56页 |
| ·实验及其结果分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
