基于群体智能优化算法的聚类分析研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 聚类分析研究现状 | 第11-12页 |
| 1.2.2 群体智能优化算法的聚类分析研究现状 | 第12-14页 |
| 1.3 论文的主要研究内容及结构安排 | 第14-16页 |
| 第2章 常用聚类分析方法介绍 | 第16-28页 |
| 2.1 聚类分析简介 | 第16页 |
| 2.2 遥感图像分类流程 | 第16页 |
| 2.3 常用的聚类分析数据类型 | 第16-17页 |
| 2.4 常用的聚类方法 | 第17-21页 |
| 2.5 仿真实验 | 第21-27页 |
| 2.5.1 实验数据 | 第21-25页 |
| 2.5.2 评价指标及实验环境 | 第25-26页 |
| 2.5.3 实验设计及结果分析 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 经典的群体智能优化算法聚类分析 | 第28-40页 |
| 3.1 编码方式 | 第29-30页 |
| 3.2 聚类问题评价指标 | 第30-32页 |
| 3.3 粒子群及其改进方法的聚类分析 | 第32-34页 |
| 3.4 蜂群算法的聚类分析 | 第34-35页 |
| 3.5 仿真实验 | 第35-39页 |
| 3.5.1 实验设计及参数选取 | 第35-36页 |
| 3.5.2 实验结果分析 | 第36-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 基于烟花算法的聚类分析 | 第40-49页 |
| 4.1 基本烟花算法 | 第40-41页 |
| 4.2 烟花爆炸算法 | 第41-43页 |
| 4.3 基于二进制的烟花算法 | 第43-44页 |
| 4.4 基于二进制烟花算法的聚类分析 | 第44-45页 |
| 4.4.1 BFA算法的编码 | 第44页 |
| 4.4.2 适应度函数 | 第44页 |
| 4.4.3 基于BFA的聚类算法步骤 | 第44-45页 |
| 4.5 基于实数编码的烟花聚类算法 | 第45-46页 |
| 4.5.1 算法的编码 | 第45页 |
| 4.5.2 适应度函数 | 第45页 |
| 4.5.3 实数编码的烟花聚类算法步骤 | 第45-46页 |
| 4.6 仿真实验和结果 | 第46-48页 |
| 4.6.1 实验设计及参数 | 第46页 |
| 4.6.2 实验结果分析 | 第46-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第5章 基于混合编码方式的聚类分析 | 第49-58页 |
| 5.1 雨林算法及其改进 | 第49-50页 |
| 5.1.1 雨林算法 | 第49-50页 |
| 5.1.2 改进的雨林算法 | 第50页 |
| 5.2 混合编码方式及其实现 | 第50-52页 |
| 5.2.1 编码方式的介绍 | 第50-51页 |
| 5.2.2 混合编码的实现 | 第51-52页 |
| 5.3 基于混合编码的聚类分析 | 第52-54页 |
| 5.3.1 适应度函数 | 第52页 |
| 5.3.2 基于混合编码的聚类分析步骤 | 第52-54页 |
| 5.4 仿真实验 | 第54-56页 |
| 5.4.1 实验设计及参数 | 第54-55页 |
| 5.4.2 实验结果分析 | 第55-56页 |
| 5.5 本章小结 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读学士学位期间发表的论文和取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
