首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于群智能优化理论的聚类改进方法及应用研究

摘要第4-6页
Abstract第6-8页
第1章 绪论第13-20页
    1.1 研究背景及研究意义第13-15页
        1.1.1 研究背景第13-14页
        1.1.2 研究意义第14-15页
    1.2 研究思路及研究内容第15-18页
        1.2.1 研究思路第15-17页
        1.2.2 研究内容第17-18页
    1.3 研究技术路线及研究方法第18-20页
        1.3.1 研究技术路线第18-19页
        1.3.2 研究方法第19-20页
第2章 基础理论及国内外研究现状第20-52页
    2.1 群智能优化理论概述第20-32页
        2.1.1 群智能优化理论内涵第20-21页
        2.1.2 主要群智能算法第21-25页
        2.1.3 测试函数第25-32页
    2.2 聚类理论概述第32-46页
        2.2.1 聚类理论内涵第32页
        2.2.2 主要聚类方法第32-41页
        2.2.3 聚类评价指标第41-44页
        2.2.4 主要相似度度量方法第44-46页
    2.3 国内外研究现状第46-51页
        2.3.1 国内外研究现状总结第46-50页
        2.3.2 目前研究的不足第50-51页
    2.4 本章小结第51-52页
第3章 基于改进果蝇优化的密度峰值聚类方法及应用第52-70页
    3.1 原始果蝇优化方法第52-54页
        3.1.1 理论模型第52页
        3.1.2 算法流程第52-54页
    3.2 基于知识学习的果蝇优化方法第54-62页
        3.2.1 理论模型第54-55页
        3.2.2 知识学习策略第55-56页
        3.2.3 算法流程第56-57页
        3.2.4 仿真模拟实验第57-62页
    3.3 基于改进果蝇优化的密度峰值聚类方法第62-66页
        3.3.1 理论模型第62页
        3.3.2 仿真模拟实验第62-66页
    3.4 基于改进果蝇优化的密度峰值聚类方法的实际应用第66-69页
        3.4.1 研究背景第66页
        3.4.2 数据分析第66-69页
    3.5 本章小结第69-70页
第4章 基于改进布谷鸟优化的密度峰值聚类方法及应用第70-91页
    4.1 原始布谷鸟优化方法第70-74页
        4.1.1 理论模型第70-72页
        4.1.2 算法流程第72-74页
    4.2 基于动态发现概率的布谷鸟优化方法第74-83页
        4.2.1 理论模型第74-75页
        4.2.2 算法流程第75-76页
        4.2.3 仿真模拟实验第76-83页
    4.3 基于改进布谷鸟优化的密度峰值聚类方法第83-87页
        4.3.1 理论模型第83-84页
        4.3.2 仿真模拟实验第84-87页
    4.4 基于改进布谷鸟优化的密度峰值聚类方法的实际应用第87-89页
        4.4.1 研究背景第87页
        4.4.2 数据分析第87-89页
    4.5 本章小结第89-91页
第5章 基于智能选择优化的密度峰值聚类方法及应用第91-114页
    5.1 基于智能选择的优化方法第91-98页
        5.1.1 理论模型第91-92页
        5.1.2 算法流程第92-94页
        5.1.3 仿真模拟实验第94-98页
    5.2 基于智能选择优化的密度峰值聚类方法第98-112页
        5.2.1 算法描述第98-99页
        5.2.2 算法流程第99-100页
        5.2.3 仿真模拟实验第100-112页
    5.3 基于智能选择优化的密度峰值聚类方法的实际应用第112-113页
        5.3.1 研究背景第112页
        5.3.2 数据分析第112-113页
    5.4 本章小结第113-114页
第6章 结论与展望第114-118页
    6.1 研究结论及创新点第114-116页
        6.1.1 研究结论第114-115页
        6.1.2 研究创新点第115-116页
    6.2 研究局限和未来展望第116-118页
        6.2.1 研究局限第116页
        6.2.2 未来展望第116-118页
参考文献第118-134页
个人简介及攻读博士学位期间取得的科研成果第134-136页
致谢第136页

论文共136页,点击 下载论文
上一篇:成品油罐车锁控监控系统的设计
下一篇:基于LED的天然气加工工艺流程模拟监控系统设计