| 中文摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 引言 | 第12-15页 |
| ·研究的目的意义 | 第12页 |
| ·国内外研究动态 | 第12-13页 |
| ·本文的研究工作及组织结构 | 第13-15页 |
| 第二章 分类算法概述 | 第15-21页 |
| ·数据挖掘技术概述 | 第15-17页 |
| ·数据挖掘的概念 | 第15页 |
| ·数据挖掘的过程 | 第15-16页 |
| ·数据挖掘的分析方法概述 | 第16-17页 |
| ·数据分类概述 | 第17-18页 |
| ·数据分类的几种常用方法概述 | 第18-20页 |
| ·决策树算法 | 第18-19页 |
| ·基于神经网络的分类算法 | 第19页 |
| ·贝叶斯分类算法 | 第19页 |
| ·基于遗传算法的分类算法 | 第19-20页 |
| ·基于蚁群算法的分类算法 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 蚁群算法概述 | 第21-29页 |
| ·蚁群算法的研究现状 | 第21-22页 |
| ·基本蚁群算法的原理及算法描述 | 第22-26页 |
| ·蚁群算法的生物学原理 | 第22-23页 |
| ·Ant System算法描述 | 第23-26页 |
| ·AS算法的几种改进算法 | 第26-28页 |
| ·蚁群系统算法简介 | 第26-27页 |
| ·最大-最小蚂蚁系统算法简介 | 第27-28页 |
| ·基于等级的蚂蚁系统 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于蚁群算法的分类算法 | 第29-41页 |
| ·基于蚁群算法的分类算法产生背景及发展 | 第29页 |
| ·Ant-Miner算法概述 | 第29-32页 |
| ·信息素的初始化 | 第31页 |
| ·问题所依赖的启发式函数 | 第31页 |
| ·状态转移概率函数 | 第31-32页 |
| ·规则的剪枝 | 第32页 |
| ·信息素的更新 | 第32页 |
| ·对Ant-Miner算法的改进算法概述 | 第32-35页 |
| ·Ant-Miner2算法 | 第32-33页 |
| ·Ant-Miner3算法 | 第33-34页 |
| ·ACO-Miner算法 | 第34-35页 |
| ·本文中所提出的对Ant-Miner算法的改进算法 | 第35-40页 |
| ·具有免疫特征的Ant-Miner算法 | 第36-37页 |
| ·基于双条件选择策略的Ant-Miner算法 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 实验分析 | 第41-44页 |
| ·实验数据说明 | 第41页 |
| ·实验方法介绍 | 第41页 |
| ·实验中参数的设置 | 第41-42页 |
| ·实验结果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-46页 |
| ·研究工作总结 | 第44页 |
| ·今后工作展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 发表文章目录 | 第49-50页 |
| 致谢 | 第50-51页 |
| 个人简况及联系方式 | 第51-52页 |