基于群智能的K-medoids聚类优化算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.2.1 数据挖掘 | 第10-11页 |
| 1.2.2 聚类分析 | 第11页 |
| 1.3 主要工作 | 第11-12页 |
| 1.4 组织结构 | 第12-13页 |
| 第二章 预备知识 | 第13-23页 |
| 2.1 聚类分析 | 第13-20页 |
| 2.1.1 定义 | 第13页 |
| 2.1.2 数据结构 | 第13-14页 |
| 2.1.3 数据类型 | 第14-15页 |
| 2.1.4 相似度 | 第15-16页 |
| 2.1.5 评价准则 | 第16-18页 |
| 2.1.6 相关算法 | 第18-19页 |
| 2.1.7 算法的比较 | 第19-20页 |
| 2.2 群智能 | 第20-21页 |
| 2.2.1 GSO特点 | 第20-21页 |
| 2.2.2 BFO特点 | 第21页 |
| 2.3 K-medoids算法 | 第21-22页 |
| 2.3.1 概述 | 第21-22页 |
| 2.3.2 算法步骤 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 GSO-medoids聚类算法 | 第23-38页 |
| 3.1 流形距离 | 第23-25页 |
| 3.2 GSO算法 | 第25-28页 |
| 3.2.1 算法概述 | 第25-26页 |
| 3.2.2 算法步骤 | 第26-28页 |
| 3.3 GSO-medoids算法设计 | 第28-30页 |
| 3.3.1 算法思想 | 第28-29页 |
| 3.3.2 算法设计 | 第29-30页 |
| 3.4 实验分析 | 第30-37页 |
| 3.4.1 人工数据集 | 第30-36页 |
| 3.4.2 UCI数据集 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 BFO-medoids聚类算法 | 第38-47页 |
| 4.1 粒计算概念 | 第38-39页 |
| 4.2 BFO算法 | 第39-42页 |
| 4.2.1 算法概述 | 第39-40页 |
| 4.2.2 算法步骤 | 第40-42页 |
| 4.3 BFO-medoids算法设计 | 第42-44页 |
| 4.3.1 算法思想 | 第42页 |
| 4.3.2 算法设计 | 第42-44页 |
| 4.4 实验分析 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 结论 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54-55页 |
| 附录 (攻读硕士学位期间发表论文目录) | 第55页 |
