聚类算法的研究及应用--基于群智能技术的聚类算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·论文的研究背景及选题意义 | 第7-8页 |
| ·国内外研究现状及发展趋势 | 第8-9页 |
| ·国内外研究现状 | 第8页 |
| ·未来发展趋势 | 第8-9页 |
| ·本文的研究内容和结构安排 | 第9-11页 |
| ·研究内容 | 第9页 |
| ·结构安排 | 第9-11页 |
| 第二章 群智能聚类算法 | 第11-25页 |
| ·数据挖掘 | 第11-13页 |
| ·数据挖掘的定义 | 第11页 |
| ·数据挖掘常用的方法 | 第11-13页 |
| ·聚类分析 | 第13-17页 |
| ·聚类分析的定义 | 第13页 |
| ·传统聚类分析方法 | 第13-15页 |
| ·聚类分析的度量标准 | 第15-17页 |
| ·群智能算法 | 第17-25页 |
| ·群智能概念和特点 | 第17-18页 |
| ·蚁群算法 | 第18-22页 |
| ·粒子群算法 | 第22-25页 |
| 第三章 聚类邻域自适应调整的多载蚁群算法 | 第25-33页 |
| ·算法思想 | 第25-26页 |
| ·相关概念 | 第26-27页 |
| ·算法改进 | 第27-28页 |
| ·Pick-Drop 策略改进 | 第27页 |
| ·蚂蚁多载 | 第27页 |
| ·增强蚂蚁记忆体 | 第27-28页 |
| ·协同交流 | 第28页 |
| ·算法实现过程 | 第28-29页 |
| ·仿真实验 | 第29-33页 |
| ·测试数据 | 第29页 |
| ·评价标准 | 第29页 |
| ·仿真结果 | 第29-31页 |
| ·本章结论 | 第31-33页 |
| 第四章 融合K-调和均值的混沌粒子群聚类算法 | 第33-45页 |
| ·算法思想 | 第33-34页 |
| ·粒子群聚类算法 | 第34-35页 |
| ·K-调和均值算法 | 第35-37页 |
| ·混沌优化 | 第37-38页 |
| ·算法改进 | 第38-41页 |
| ·简化粒子群优化算法 | 第38-39页 |
| ·惯性权重动态调整 | 第39-40页 |
| ·早熟判断 | 第40-41页 |
| ·变尺度混沌搜索 | 第41页 |
| ·粒子编码及算法进程描述 | 第41-42页 |
| ·仿真实验 | 第42-45页 |
| ·评价标准 | 第42-43页 |
| ·仿真结果 | 第43-44页 |
| ·本章结论 | 第44-45页 |
| 第五章 总结与展望 | 第45-46页 |
| ·总结 | 第45页 |
| ·展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第51页 |
