| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 选题背景及研究意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-14页 |
| 1.2.1 聚类方法的研究现状 | 第8-12页 |
| 1.2.2 遗传算法的研究现状 | 第12-13页 |
| 1.2.3 基于 GA 的模糊 C 均值聚类算法的研究现状 | 第13-14页 |
| 1.3 本文研究内容及创新点 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 遗传算法的基本原理与方法 | 第16-24页 |
| 2.1 遗传算法基本思想 | 第16-18页 |
| 2.2 遗传算法的基本实现 | 第18-23页 |
| 2.2.1 编码方法 | 第19-20页 |
| 2.2.2 初始种群 | 第20页 |
| 2.2.3 适应度函数 | 第20-21页 |
| 2.2.4 选择算子 | 第21-22页 |
| 2.2.5 交叉算子 | 第22-23页 |
| 2.2.6 变异算子 | 第23页 |
| 2.2.7 算法的运行参数 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 改进的自适应遗传算法及其仿真 | 第24-30页 |
| 3.1 基本遗传算法存在的问题 | 第24页 |
| 3.3 自适应遗传算法的设计 | 第24-27页 |
| 3.3.1 编码方式 | 第25页 |
| 3.3.2 非线性排序选择方法 | 第25-26页 |
| 3.3.3 自适应交叉、变异策略 | 第26-27页 |
| 3.3.4 停止准则 | 第27页 |
| 3.4 实验与仿真 | 第27-29页 |
| 3.4.1 典型优化测试函数 | 第27-28页 |
| 3.4.2 实验过程与结果分析 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 模糊 C 均值算法及其改进算法 | 第30-37页 |
| 4.1 聚类分析概述 | 第30页 |
| 4.2 模糊 C 均值聚类算法 | 第30-32页 |
| 4.3 基于核的改进 FCM 算法 | 第32-33页 |
| 4.4 基于 GA 优化的核模糊 C 均值聚类算法的设计 | 第33-36页 |
| 4.4.1 参数编码 | 第34页 |
| 4.4.2 初始种群 | 第34页 |
| 4.4.3 适应度函数 | 第34-35页 |
| 4.4.4 基于 GA 优化的核模糊 C 均值聚类算法流程 | 第35-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第五章 实验仿真与应用 | 第37-44页 |
| 5.1 GA-KFCM 算法基于数据集的实验 | 第37-38页 |
| 5.1.1 数据集简介 | 第37页 |
| 5.1.2 实验过程与结果分析 | 第37-38页 |
| 5.2 GA-KFCM 算法在文本分类中的应用 | 第38-43页 |
| 5.2.1 语料库简介 | 第38-39页 |
| 5.2.2 聚类评价标准 | 第39-40页 |
| 5.2.3 模糊判决方法 | 第40-41页 |
| 5.2.4 实验过程及结果分析 | 第41-43页 |
| 5.3 本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-45页 |
| 6.1 本文工作总结 | 第44页 |
| 6.2 展望 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 研究生期间发表论文和参与科研项目 | 第50-51页 |
| 致谢 | 第51页 |
