| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 引言 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要研究内容和工作 | 第14-16页 |
| 1.4 本文结构安排 | 第16-19页 |
| 第2章 不完整数据集的混杂聚类算法理论分析 | 第19-31页 |
| 2.1 模糊C均值聚类 | 第19-22页 |
| 2.1.1 模糊C均值算法流程 | 第19-22页 |
| 2.1.2 模糊C均值的优势与存在的缺陷 | 第22页 |
| 2.2 四种基于FCM算法的不完整数据聚类策略 | 第22-25页 |
| 2.2.1 基于完备数据策略WDS的不完整数据FCM算法 | 第23页 |
| 2.2.2 基于局部距离策略PDS的不完整数据FCM算法 | 第23-24页 |
| 2.2.3 基于优化完整策略OCS的不完整数据FCM算法 | 第24-25页 |
| 2.2.4 基于最近原型策略NPS的不完整数据FCM算法 | 第25页 |
| 2.3 蚁群优化分析 | 第25-29页 |
| 2.3.1 蚁群算法 | 第25-26页 |
| 2.3.2 蚁群算法的基本流程 | 第26-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 基于改进蚁群优化的混杂模糊聚类算法 | 第31-45页 |
| 3.1 问题分析 | 第31-32页 |
| 3.2 蚂蚁搜索范围与初始位置的设置 | 第32-35页 |
| 3.2.1 蚂蚁位置的搜索范围设置 | 第32-33页 |
| 3.2.2 蚂蚁的初始位置设置 | 第33-35页 |
| 3.3 蚂蚁个体位置的描述 | 第35-36页 |
| 3.4 混杂算法的适应度函数 | 第36-38页 |
| 3.5 不完整数据集的蚁群模糊C均值混杂算法 | 第38-44页 |
| 3.5.1 蚁群优化算法的性能分析 | 第38-39页 |
| 3.5.2 混杂模糊聚类算法的数学描述 | 第39-41页 |
| 3.5.3 混杂模糊聚类算法的基本流程 | 第41-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于区间监督的不完整数据模糊聚类算法 | 第45-59页 |
| 4.1 不完整数据的填充 | 第45-47页 |
| 4.2 缺失属性和聚类中心的区间监督策略 | 第47-50页 |
| 4.2.1 监督区间的确定 | 第47-49页 |
| 4.2.2 不完整数据集中强制策略描述和择优值的确定 | 第49-50页 |
| 4.3 区间监督策略的数学描述 | 第50-52页 |
| 4.4 基于区间监督的优化完整策略模糊聚类算法 | 第52-54页 |
| 4.5 基于区间监督的蚁群模糊聚类算法 | 第54-56页 |
| 4.5.1 算法基本思想 | 第54-55页 |
| 4.5.2 算法基本流程 | 第55-56页 |
| 4.6 本章小结 | 第56-59页 |
| 第5章 实验及结果分析 | 第59-75页 |
| 5.1 准备工作 | 第59-64页 |
| 5.1.1 UCI数据集信息 | 第59-60页 |
| 5.1.2 高斯数据集信息 | 第60-62页 |
| 5.1.3 不完整数据集的生成规则 | 第62-63页 |
| 5.1.4 算法参数设定 | 第63页 |
| 5.1.5 算法的评价指标 | 第63-64页 |
| 5.2 实验结果与分析 | 第64-73页 |
| 5.2.1 HAC的实验结果及分析 | 第64-70页 |
| 5.2.2 IS_HAC的实验结果及分析 | 第70-71页 |
| 5.2.3 IS_OCSFCM的实验结果及分析 | 第71-73页 |
| 5.3 本章小结 | 第73-75页 |
| 第6章 总结与展望 | 第75-79页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 攻读学位期间公开发表的论文 | 第85页 |
