| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 主要符号表 | 第12-13页 |
| 1 绪论 | 第13-23页 |
| 1.1 研究背景与意义 | 第13-16页 |
| 1.2 研究现状 | 第16-21页 |
| 1.2.1 模糊C-均值算法的研究进展 | 第16-19页 |
| 1.2.2 聚类有效性的研究进展 | 第19-21页 |
| 1.3 本文的研究内容 | 第21-23页 |
| 2 预备知识 | 第23-29页 |
| 2.1 模糊C-均值 | 第23-26页 |
| 2.1.1 模糊C-均值算法的基本思想 | 第23-24页 |
| 2.1.2 模糊C-均值算法的基本流程 | 第24-26页 |
| 2.2 粒子群优化 | 第26-29页 |
| 2.2.1 粒子群算法的基本思想 | 第26-27页 |
| 2.2.2 粒子群算法的基本流程 | 第27-28页 |
| 2.2.3 粒子群算法的参数分析 | 第28-29页 |
| 3 基于模糊自适应粒子群优化的模糊C-均值聚类算法 | 第29-40页 |
| 3.1 引言 | 第29页 |
| 3.2 模糊自适应粒子群优化 | 第29-33页 |
| 3.3 提出的算法 | 第33-35页 |
| 3.4 实验结果 | 第35-39页 |
| 3.4.1 数据集 | 第35页 |
| 3.4.2 结果比较 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 基于初始中心点优化选择的模糊C-均值聚类算法 | 第40-49页 |
| 4.1 引言 | 第40-41页 |
| 4.2 基于密度和网格的划分方法 | 第41-43页 |
| 4.3 提出的算法 | 第43页 |
| 4.4 实验结果 | 第43-46页 |
| 4.4.1 数据集 | 第43页 |
| 4.4.2 结果比较 | 第43-46页 |
| 4.5 本章小结 | 第46-49页 |
| 5 基于模糊混合层次聚类的有效性指标 | 第49-64页 |
| 5.1 引言 | 第49页 |
| 5.2 有效性函数问题描述 | 第49-51页 |
| 5.3 已有的模糊聚类有效性指标 | 第51-55页 |
| 5.3.1 只关注隶属度的有效性指标 | 第52-53页 |
| 5.3.2 同时关注隶属度和数据集几何结构的有效性指标 | 第53-55页 |
| 5.4 提出的有效性指标 | 第55-58页 |
| 5.4.1 分割数据集 | 第56页 |
| 5.4.2 子类之间的相似度 | 第56-57页 |
| 5.4.3 构造模糊相似树 | 第57-58页 |
| 5.4.4 确定聚类数 | 第58页 |
| 5.5 实验结果 | 第58-62页 |
| 5.5.1 数据集 | 第58-60页 |
| 5.5.2 实验结果 | 第60-62页 |
| 5.6 本章小结 | 第62-64页 |
| 6 结论与展望 | 第64-67页 |
| 6.1 结论 | 第64-65页 |
| 6.2 创新点 | 第65页 |
| 6.3 展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读博士学位期间科研项目及科研成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |