| 第一章 绪论 | 第1-14页 |
| §1-1 问题的提出（课题来源和研究背景） | 第7-8页 |
| §1-2 数据挖掘概述 | 第8-13页 |
| 1-2-1 数据挖掘概念 | 第8页 |
| 1-2-2 数据挖掘的系统结构 | 第8-9页 |
| 1-2-3 数据挖掘的过程和分类 | 第9-10页 |
| 1-2-4 数据挖掘常用的技术 | 第10-11页 |
| 1-2-5 数据挖掘的现状与发展趋势 | 第11-13页 |
| §1-3 本文工作与组织 | 第13-14页 |
| 第二章 聚类算法简介 | 第14-21页 |
| §2-1 聚类算法综述 | 第14-16页 |
| 2-1-1 聚类分析的概念 | 第14页 |
| 2-1-2 聚类算法的用途 | 第14-15页 |
| 2-1-3 聚类算法的要求 | 第15-16页 |
| §2-2 重要的聚类算法研究 | 第16-19页 |
| 2-2-1 基于分割的算法 | 第16-17页 |
| 2-2-2 基于层次的算法 | 第17页 |
| 2-2-3 基于密度的算法 | 第17-18页 |
| 2-2-4 基于栅格的算法 | 第18-19页 |
| 2-2-5 基于模型的算法 | 第19页 |
| §2-3 目前聚类算法存在的一些问题 | 第19-21页 |
| 第三章 蚂蚁算法简介 | 第21-25页 |
| §3-1 蚂蚁算法综述 | 第21-22页 |
| 3-1-1 什么是蚂蚁算法 | 第21页 |
| 3-1-2 用实例说明蚂蚁算法 | 第21-22页 |
| §3-2 蚂蚁算法的应用 | 第22-24页 |
| 3-2-1 寻找最优路径 | 第22-23页 |
| 3-2-2 蚂蚁清除垃圾 | 第23-24页 |
| 3-2-3 蚂蚁搬大食物 | 第24页 |
| 3-2-4 任务分配问题 | 第24页 |
| §3-3 蚂蚁算法的优点 | 第24-25页 |
| 第四章 结合密度思想的蚂蚁聚类算法研究 | 第25-43页 |
| §4-1 K-MEANS算法 | 第25-27页 |
| 4-1-1 K-Means算法的基本思想 | 第25页 |
| 4-1-2 K-Means算法的步骤 | 第25-27页 |
| 4-1-3 K-Means算法的优缺点 | 第27页 |
| §4-2 基于密度的聚类算法 | 第27-29页 |
| 4-2-1 基于密度的聚类算法的定义 | 第27-28页 |
| 4-2-2 常用的基于密度的聚类算法 | 第28-29页 |
| §4-3 蚂蚁聚类算法 | 第29-34页 |
| 4-3-1 基于蚂蚁的聚类算法的产生 | 第29-30页 |
| 4-3-2 基于蚂蚁聚类的K-Means算法 | 第30-34页 |
| §4-4 结合密度思想的蚂蚁算法 | 第34-43页 |
| 4-4-1 蚂蚁聚类算法存在的问题 | 第34页 |
| 4-4-2 问题的分析——结合密度的思想来解决问题 | 第34页 |
| 4-4-3 问题的解决 | 第34-35页 |
| 4-4-4 结合密度思想的蚂蚁算法 | 第35-39页 |
| 4-4-5 试验结果与分析 | 第39-43页 |
| 第五章 结论和展望 | 第43-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 攻读学位期间所取得的相关科研成果 | 第49页 |