基于变异粒子群的聚类算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·数据挖掘的研究现状 | 第12-13页 |
| ·聚类的研究现状 | 第13-14页 |
| ·本文工作 | 第14-15页 |
| ·论文结构 | 第15-16页 |
| 第二章 聚类 | 第16-29页 |
| ·聚类概述 | 第16-19页 |
| ·聚类的概念 | 第16-17页 |
| ·聚类算法性能评价 | 第17-19页 |
| ·距离和相似系数 | 第19-22页 |
| ·距离 | 第19-20页 |
| ·相似系数 | 第20-22页 |
| ·聚类分析的过程 | 第22-24页 |
| ·数据准备 | 第23页 |
| ·特征生成 | 第23页 |
| ·聚类分析 | 第23-24页 |
| ·聚类分析算法的分类 | 第24-26页 |
| ·划分法 | 第24页 |
| ·层次方法 | 第24-25页 |
| ·基于网格的方法 | 第25页 |
| ·基于密度的方法 | 第25页 |
| ·基于变换的聚类算法 | 第25-26页 |
| ·基于模型的方法 | 第26页 |
| ·K-means 算法 | 第26-27页 |
| ·聚类分析的应用 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于变异粒子的聚类挖掘 | 第29-45页 |
| ·PSO 研究背景 | 第29-30页 |
| ·基本粒子群算法介绍 | 第30-33页 |
| ·算法原理 | 第31-32页 |
| ·基本粒子群算法描述 | 第32页 |
| ·社会行为分析 | 第32-33页 |
| ·与其它进化算法的比较 | 第33-34页 |
| ·具有惯性权重的粒子群算法 | 第34-35页 |
| ·基于粒子群的K-means 算法 | 第35-38页 |
| ·PSO 算法的参数选择 | 第35-36页 |
| ·PSO 聚类算法的编码与适应度选择 | 第36页 |
| ·基于PSO 的K-means 算法的描述 | 第36-38页 |
| ·变异粒子群算法（MK-PSO） | 第38页 |
| ·种群多样性描述 | 第38-39页 |
| ·参数调整 | 第39-40页 |
| ·惯性权重的调整 | 第39页 |
| ·学习因子的调整 | 第39-40页 |
| ·变异操作 | 第40页 |
| ·算法描述 | 第40-41页 |
| ·变异粒子群聚类算法的编码设计 | 第41-42页 |
| ·MK-PSO 聚类的编码表示与适应度选择 | 第41页 |
| ·算法设计 | 第41-42页 |
| ·算法复杂度分析 | 第42页 |
| ·空间复杂度 | 第42页 |
| ·时间复杂度 | 第42页 |
| ·仿真实验 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于种群多样性的 PSO 聚类挖掘算法 | 第45-52页 |
| ·种群多样性描述 | 第45-46页 |
| ·种群平均粒距 | 第45页 |
| ·种群分布熵 | 第45-46页 |
| ·均值偏差 | 第46页 |
| ·调整策略 | 第46-47页 |
| ·最大位置 | 第46-47页 |
| ·惯性权重自适应调节 | 第47页 |
| ·变异操作 | 第47页 |
| ·改进后的基于种群多样性的PSO 算法 | 第47-48页 |
| ·基于种群多样性的PSO 聚类算法（MPSO） | 第48-49页 |
| ·MPSO 算法的编码表示与适应度选择 | 第48页 |
| ·内部空间特性 | 第48-49页 |
| ·MPSO 聚类算法的实现步骤 | 第49页 |
| ·算法复杂度分析 | 第49-50页 |
| ·空间复杂度 | 第49-50页 |
| ·时间复杂度 | 第50页 |
| ·收敛性分析 | 第50页 |
| ·仿真实验 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 结论与展望 | 第52-54页 |
| ·结论 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 附录 （攻读硕士学位期间发表录用论文） | 第58-59页 |
| 摘要 | 第59-62页 |
| ABSTRACT | 第62-65页 |
