首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于蚁群优化的聚类算法分析与研究

摘要第1-6页
ABSTRACT第6-11页
第一章 绪论第11-19页
   ·研究背景和意义第11-12页
   ·数据挖掘简介第12-16页
     ·发展背景第12-13页
     ·研究现状第13-14页
     ·数据挖掘与粗糙集第14-15页
     ·数据挖掘与蚁群算法第15-16页
   ·聚类算法研究现状第16-17页
   ·本文的主要工作第17-18页
   ·本文的组织结构第18-19页
第二章 预备知识第19-26页
   ·聚类分析第19页
   ·聚类分析的数据结构第19-20页
   ·聚类分析的数据类型第20-21页
   ·度量方法第21-22页
     ·距离度量第21页
     ·相似性计算方法第21-22页
   ·聚类分析的主要方法第22-24页
     ·聚类算法介绍第22-23页
     ·聚类算法的比较第23-24页
   ·K-medoids 聚类算法概述第24-25页
     ·K-medoids 聚类简介第24-25页
     ·K-medoids 算法步骤第25页
   ·本章小结第25-26页
第三章 基于 ACO 的 K-medoids 聚类算法第26-32页
   ·蚁群算法第26-28页
     ·算法原理第26-27页
     ·算法规则第27-28页
   ·基于 ACO 的 K-medoids 算法设计第28-29页
     ·算法思想第28-29页
     ·算法步骤第29页
   ·算法复杂度分析第29-30页
     ·算法空间复杂度第29页
     ·算法时间复杂度第29-30页
   ·仿真及结果分析第30-31页
     ·算法仿真第30页
     ·结果分析第30-31页
   ·本章小结第31-32页
第四章 基于 ACO 的粗糙集 K-means 聚类算法第32-38页
   ·问题提出第32页
   ·K-means 算法第32-33页
     ·算法思想第32-33页
     ·算法步骤第33页
   ·基于 ACO 的粗糙集 K-means 聚类算法设计第33-35页
     ·聚类中心第33-34页
     ·收敛准则第34页
     ·算法思想第34页
     ·算法步骤第34-35页
   ·算法仿真及结果分析第35-37页
     ·算法仿真第35-36页
     ·结果分析第36-37页
   ·本章小结第37-38页
第五章 基于差分演化的 K-medoids 聚类算法第38-44页
   ·问题提出第38页
   ·DE 算法第38-40页
     ·算法思想第39页
     ·算法步骤第39-40页
   ·基于差分演化的 K-medoids 聚类算法设计第40-41页
     ·算法思想第40页
     ·算法步骤第40-41页
   ·算法复杂度分析第41-42页
     ·空间复杂度第41页
     ·时间复杂度第41-42页
   ·算法仿真及结果分析第42-43页
     ·算法仿真第42-43页
     ·结果分析第43页
   ·本章小结第43-44页
第六章 云计算中资源分配优化算法第44-51页
   ·问题描述第44页
   ·云计算知识第44-46页
     ·云计算简介第44-45页
     ·资源优劣度分析第45-46页
     ·资源分配第46页
   ·ACO-K 中心点算法找最优计算资源第46-48页
     ·算法思想第46-47页
     ·信息素更新第47页
     ·算法步骤第47-48页
   ·算法复杂度分析第48页
     ·空间复杂度第48页
     ·时间复杂度第48页
   ·算法仿真及分析第48-50页
     ·算法仿真第48-49页
     ·结果分析第49-50页
   ·本章小结第50-51页
第七章 结论与展望第51-52页
   ·结论第51页
   ·展望第51-52页
参考文献第52-56页
致谢第56-57页
附录(攻读硕士学位期间发表论文目录)第57-58页
摘要第58-62页
ABSTRACT第62-66页

论文共66页,点击 下载论文
上一篇:基于交通视频的信息提取技术研究
下一篇:数字图像复制粘贴篡改取证研究