蚁群算法改进及其聚类分析应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-20页 |
| ·蚁群算法的提出 | 第11-15页 |
| ·蚁群算法研究背景 | 第11-12页 |
| ·蚁群算法的思想起源 | 第12-13页 |
| ·蚁群算法的研究进展 | 第13-14页 |
| ·蚁群算法研究意义 | 第14-15页 |
| ·数据挖掘中的聚类分析 | 第15-19页 |
| ·数据挖掘概念 | 第15-16页 |
| ·聚类概念及形式描述 | 第16-17页 |
| ·聚类分析算法 | 第17-19页 |
| ·本文主要研究内容及组织结构 | 第19-20页 |
| 第2章 基本蚁群算法 | 第20-25页 |
| ·基本蚁群算法的原理 | 第20-21页 |
| ·蚁群行为描述 | 第20页 |
| ·基本蚁群算法的机制原理 | 第20-21页 |
| ·基本蚁群算法的数学模型及实现 | 第21-23页 |
| ·基本蚁群算法的优缺点 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 几种改进蚁群算法的研究 | 第25-36页 |
| ·多态蚁群算法 | 第25-28页 |
| ·现有蚁群算法多态性的不足 | 第25-26页 |
| ·多态蚁群算法模型 | 第26-28页 |
| ·具有感觉和知觉特征的蚁群算法 | 第28-34页 |
| ·蚂蚁搜索的初始阶段 | 第28-29页 |
| ·蚂蚁搜索的中间阶段 | 第29-31页 |
| ·蚂蚁搜索的结束阶段 | 第31-32页 |
| ·自适应的信息素更新策略 | 第32-33页 |
| ·算法流程 | 第33-34页 |
| ·蚁群算法同其他仿生优化算法的融合 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于兴奋度的改进蚁群算法 | 第36-46页 |
| ·人工鱼群算法 | 第36-41页 |
| ·人工鱼模型 | 第36-37页 |
| ·人工鱼行为描述 | 第37-40页 |
| ·算法描述 | 第40-41页 |
| ·基于兴奋度的蚁群算法 | 第41-45页 |
| ·第一阶段路径寻优 | 第41-42页 |
| ·第二阶段路径寻优 | 第42页 |
| ·算法设计 | 第42-43页 |
| ·仿真算例 | 第43-45页 |
| ·算法全局收敛的基础 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第5章 聚类分析应用 | 第46-55页 |
| ·改进的单蚁群聚类算法 | 第46-49页 |
| ·平均相似性 | 第46-47页 |
| ·概率转换函数 | 第47-48页 |
| ·算法描述 | 第48-49页 |
| ·基于蚁群算法的改进 k-means 聚类 | 第49-54页 |
| ·基本k-means 聚类方法 | 第49-51页 |
| ·基于蚁群算法信息素的k-means 聚类方法 | 第51-52页 |
| ·实验结果及分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |
