基于免疫遗传算法和粒子群算法的聚类研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究的背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·数据挖掘的研究现状 | 第11-13页 |
| ·聚类的研究现状 | 第13页 |
| ·本文所做的工作 | 第13-14页 |
| ·本文的内容组织 | 第14-15页 |
| 第二章 聚类 | 第15-25页 |
| ·聚类概述 | 第15-16页 |
| ·聚类的概念 | 第15页 |
| ·聚类的步骤 | 第15-16页 |
| ·聚类的相似度度量 | 第16-18页 |
| ·聚类分析中的数据类型 | 第16-17页 |
| ·样本间距离的计算 | 第17-18页 |
| ·评价标准 | 第18-20页 |
| ·常用的聚类算法 | 第20-23页 |
| ·常见的聚类算法间的关系 | 第20-21页 |
| ·几种常用的聚类算法的比较 | 第21页 |
| ·聚类算法中的划分方法 | 第21-23页 |
| ·聚类的应用 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于人工免疫机制的遗传算法的改进研究 | 第25-42页 |
| ·基本遗传算法 | 第25-30页 |
| ·遗传算法背景及研究现状 | 第25-26页 |
| ·遗传算法的求解过程 | 第26-29页 |
| ·遗传算法的优点 | 第29-30页 |
| ·遗传算法的不足之处 | 第30页 |
| ·生物免疫系统 | 第30-35页 |
| ·人工免疫系统概述 | 第30-32页 |
| ·生物免疫系统的结构和组成 | 第32-33页 |
| ·免疫细胞 | 第33-34页 |
| ·抗原与抗体 | 第34页 |
| ·免疫系统机制 | 第34-35页 |
| ·免疫遗传算法 | 第35-37页 |
| ·基于免疫遗传算法的模糊C 均值聚类算法设计 | 第37-41页 |
| ·模糊C—均值算法简介 | 第37页 |
| ·模糊C—均值算法步骤 | 第37-38页 |
| ·算法设计 | 第38-40页 |
| ·仿真实验 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 改进的粒子群算法的聚类方法 | 第42-49页 |
| ·粒子群算法的研究背景 | 第42页 |
| ·粒子群算法原理 | 第42-43页 |
| ·基本粒子群算法 | 第43-45页 |
| ·算法描述 | 第43-44页 |
| ·参数设定 | 第44-45页 |
| ·改进的粒子群聚类算法 | 第45-47页 |
| ·粒子群算法的优缺点 | 第45页 |
| ·改进的粒子群聚类算法 | 第45-47页 |
| ·仿真实验 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 结论与展望 | 第49-50页 |
| ·结论 | 第49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 附录（攻读硕士学位期间发表录用论文） | 第56页 |
