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 |