| 摘要 | 第1-11页 |
| Abstract | 第11-13页 |
| 第一章 绪论 | 第13-25页 |
| ·选题背景及研究意义 | 第13-15页 |
| ·带障碍约束空间聚类分析研究现状 | 第15-16页 |
| ·群集智能 | 第16-18页 |
| ·群集智能概述 | 第16-17页 |
| ·群集智能研究现状 | 第17-18页 |
| ·群集智能优化算法 | 第18-24页 |
| ·群集智能计算 | 第18-19页 |
| ·遗传算法研究现状 | 第19-20页 |
| ·蚁群优化算法研究现状 | 第20-22页 |
| ·粒子群优化算法研究现状 | 第22-24页 |
| ·本文主要研究内容及组织结构 | 第24-25页 |
| 第二章 基于约束条件的空间聚类分析 | 第25-35页 |
| ·空间聚类分析概念及其形式化描述 | 第25页 |
| ·空间聚类分析算法比较 | 第25-32页 |
| ·聚类评价标准 | 第25-26页 |
| ·空间聚类分析方法 | 第26-31页 |
| ·空间聚类算法比较 | 第31-32页 |
| ·基于约束条件的空间数据聚类分析 | 第32-34页 |
| ·基于约束条件的聚类 | 第32-33页 |
| ·空间数据挖掘中基于约束条件的聚类分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于改进遗传算法的格网障碍距离 | 第35-48页 |
| ·引言 | 第35页 |
| ·障碍距离 | 第35-36页 |
| ·遗传算法的关键问题 | 第36-41页 |
| ·遗传算法求解步骤 | 第36-37页 |
| ·编码 | 第37-38页 |
| ·适应度函数 | 第38页 |
| ·遗传操作算子 | 第38-41页 |
| ·终止条件 | 第41页 |
| ·基于改进遗传算法的格网障碍距离 | 第41-44页 |
| ·环境建模 | 第41-42页 |
| ·个体编码设计 | 第42页 |
| ·种群初始化 | 第42-43页 |
| ·适应度函数的确定 | 第43页 |
| ·基本遗传操作 | 第43-44页 |
| ·插入和删除操作 | 第44页 |
| ·遗传格网障碍距离计算算法描述 | 第44页 |
| ·实验结果与分析 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于改进蚁群优化算法的格网障碍距离 | 第48-58页 |
| ·引言 | 第48页 |
| ·蚁群优化算法基本原理及常用算法 | 第48-53页 |
| ·蚁群优化算法基本原理 | 第48-49页 |
| ·基本蚁群优化算法 | 第49-51页 |
| ·两种常用的改进蚁群优化算法 | 第51-53页 |
| ·基于改进蚁群优化算法的格网障碍距离 | 第53-56页 |
| ·问题表示 | 第53-54页 |
| ·信息素表示 | 第54页 |
| ·路径点选择 | 第54-55页 |
| ·信息素更新 | 第55页 |
| ·蚁群优化格网障碍距离计算算法描述 | 第55-56页 |
| ·实验结果与分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于遗传算法的带障碍约束空间聚类分析 | 第58-70页 |
| ·引言 | 第58页 |
| ·基于K-Medoids的带障碍约束空间聚类分析 | 第58-63页 |
| ·传统K-Medoids算法 | 第59页 |
| ·基于传统K-Medoids的带障碍约束空间聚类分析 | 第59-60页 |
| ·改进的基于K-Medoids的带障碍约束空间聚类分析 | 第60页 |
| ·实验结果与分析 | 第60-63页 |
| ·基于遗传算法的带障碍约束空间聚类分析 | 第63-65页 |
| ·基于遗传算法的空间聚类分析 | 第63页 |
| ·遗传K-Medoids带障碍约束空间聚类算法 | 第63页 |
| ·染色体编码的确定及初始种群的生成 | 第63-64页 |
| ·适应度函数的确定 | 第64页 |
| ·遗传操作方法的确定 | 第64-65页 |
| ·新个体的K-Medoids优化策略 | 第65页 |
| ·非正常染色体的调整 | 第65页 |
| ·实验结果与分析 | 第65-68页 |
| ·本章小结 | 第68-70页 |
| 第六章 基于粒子群优化的带障碍约束空间聚类分析 | 第70-81页 |
| ·引言 | 第70页 |
| ·粒子群优化算法模型及常用算法 | 第70-75页 |
| ·粒子群优化算法模型 | 第70-72页 |
| ·基本粒子群优化算法 | 第72-73页 |
| ·粒子群优化算法的改进 | 第73-75页 |
| ·基于粒子群优化的带障碍约束空间聚类分析 | 第75-77页 |
| ·粒子群优化K-Medoids带障碍约束空间聚类算法流程 | 第75页 |
| ·粒子编码的确定 | 第75-76页 |
| ·初始粒子群的生成 | 第76页 |
| ·适应度函数的确定 | 第76页 |
| ·新一代粒子的K-Medoids优化策略 | 第76-77页 |
| ·非正常粒子的调整 | 第77页 |
| ·实验结果与分析 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 第七章 基于群集智能的带约束空间聚类分析应用实例——城市公园选址分析 | 第81-96页 |
| ·引言 | 第81-82页 |
| ·数据整理 | 第82-84页 |
| ·数据组织 | 第82-83页 |
| ·障碍文件的生成 | 第83-84页 |
| ·基于群集智能优化的带障碍约束空间聚类结果与分析 | 第84-88页 |
| ·聚类模型 | 第84页 |
| ·划分成5个区的聚类结果分析 | 第84页 |
| ·划分成10个区的聚类结果分析 | 第84-87页 |
| ·划分成15个区的聚类结果分析 | 第87-88页 |
| ·现有公园分布分析 | 第88-94页 |
| ·本章小结 | 第94-96页 |
| 第八章 全文总结与展望 | 第96-98页 |
| ·全文总结 | 第96-97页 |
| ·进一步的研究工作 | 第97-98页 |
| 参考文献 | 第98-111页 |
| 作者简历 攻读博士学位期间完成的主要工作 | 第111-114页 |
| 致谢 | 第114页 |
