基于遗传算法的数据挖掘方法研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-11页 |
| ·选题背景及研究意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·数据挖掘研究现状 | 第8-9页 |
| ·遗传算法研究现状 | 第9页 |
| ·遗传算法与数据挖掘 | 第9-10页 |
| ·本文研究内容及论文安排 | 第10-11页 |
| 2 数据挖掘概述 | 第11-18页 |
| ·数据挖掘的起源 | 第11页 |
| ·数据挖掘研究的理论基础 | 第11-13页 |
| ·数据挖掘的任务、方法和过程 | 第13-15页 |
| ·数据挖掘的任务 | 第13页 |
| ·数据挖掘的方法 | 第13-14页 |
| ·数据挖掘的过程 | 第14-15页 |
| ·数据挖掘的应用领域 | 第15-16页 |
| ·数据挖掘面临的问题与挑战 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 遗传算法的基本原理与方法 | 第18-32页 |
| ·编码方式 | 第18-21页 |
| ·二进制编码方法 | 第19-20页 |
| ·浮点数编码方法 | 第20页 |
| ·符号编码方法 | 第20-21页 |
| ·适用度函数 | 第21-23页 |
| ·常见的几种适应度函数 | 第21-22页 |
| ·适应度函数的设计 | 第22页 |
| ·适应度函数的尺度变换 | 第22-23页 |
| ·遗传算子 | 第23-29页 |
| ·选择算子 | 第23-26页 |
| ·交叉算子 | 第26-28页 |
| ·变异算子 | 第28-29页 |
| ·控制参数的选择 | 第29-30页 |
| ·遗传算法的流程 | 第30-31页 |
| ·标准遗传算法 | 第31页 |
| ·本章小结 | 第31-32页 |
| 4 遗传算法在聚类分析中的应用 | 第32-44页 |
| ·聚类分析概述 | 第32-35页 |
| ·聚类定义 | 第32页 |
| ·相似性度量 | 第32-33页 |
| ·聚类准则 | 第33-34页 |
| ·聚类分析算法 | 第34-35页 |
| ·遗传算法用于聚类分析 | 第35-37页 |
| ·k 均值算法基本思想 | 第35-36页 |
| ·k 均值作为优化问题 | 第36-37页 |
| ·使用遗传算法改进k 均值算法的必要性 | 第37页 |
| ·改进的遗传k 均值聚类算法 | 第37-42页 |
| ·编码方式 | 第38-39页 |
| ·适应度函数设计 | 第39页 |
| ·遗传算子 | 第39-40页 |
| ·停止准则 | 第40-41页 |
| ·k 均值操作 | 第41-42页 |
| ·改进的遗传k 均值聚类算法流程图 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 5 算法测试与应用实例 | 第44-51页 |
| ·算法测试 | 第44-47页 |
| ·实验数据集 | 第44页 |
| ·实验结果与分析 | 第44-47页 |
| ·应用实例 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 6 结论 | 第51-53页 |
| ·本文工作总结 | 第51页 |
| ·展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-59页 |
