| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-13页 |
| ·选题背景 | 第7-9页 |
| ·研究现状 | 第9-11页 |
| ·选题意义 | 第11-12页 |
| ·研究内容 | 第12-13页 |
| 2 改进的K- means算法 | 第13-20页 |
| ·聚类算法的基本思想 | 第13-14页 |
| ·相似性度量 | 第13-14页 |
| ·K- means均值聚类算法 | 第14-15页 |
| ·K- means算法建模 | 第15-16页 |
| ·数据样本的初始中心点选取算法 | 第16-17页 |
| ·对初始中心点及评价函数改进的K- means算法 | 第17-18页 |
| ·均衡化评价函数 | 第17页 |
| ·改进的K- means算法 | 第17-18页 |
| ·在低维数据集上的测试及结果分析 | 第18-19页 |
| ·结束语 | 第19-20页 |
| 3 基于PSO的K 均值高维数据聚类算法 | 第20-29页 |
| ·算法的发展 | 第20页 |
| ·基于PSO的K 均值聚类算法 | 第20-22页 |
| ·PSO算法 | 第21页 |
| ·增强算法聚类能力 | 第21页 |
| ·加权值的均衡化评价函数 | 第21-22页 |
| ·K_(m,n)PSO聚类算法流程 | 第22-24页 |
| ·高维数据集测试与结果分析 | 第24-27页 |
| ·全国各城市主要空气质量指标数据测试 | 第24-25页 |
| ·未成年人人体数据集上的测试 | 第25-26页 |
| ·500 名男子人体数据集上的测试 | 第26-27页 |
| ·两种算法的比较 | 第27页 |
| ·结束语 | 第27-29页 |
| 4 基于PSO的空间数据聚类算法在高维数据集上的应用 | 第29-34页 |
| ·维分组降维方法 | 第29-30页 |
| ·数据集降维处理 | 第30-32页 |
| ·一个定理 | 第31页 |
| ·实例 | 第31-32页 |
| ·数据降维应用 | 第32-34页 |
| 5 结论与展望 | 第34-36页 |
| 参考文献 | 第36-42页 |
| 攻读硕士期间发表的论文目录 | 第42-45页 |
| 致谢 | 第45页 |