基于遗传算法的模糊聚类在用户行为分析中的应用研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文的研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 相关理论与技术 | 第15-25页 |
| 2.1 数据挖掘的基本理论 | 第15-18页 |
| 2.1.1 数据挖掘的主要算法 | 第16-17页 |
| 2.1.2 数据挖掘的主要应用 | 第17-18页 |
| 2.2 聚类分析的基本理论 | 第18-23页 |
| 2.2.1 常见的聚类算法 | 第18-20页 |
| 2.2.2 模糊聚类算法的发展 | 第20-23页 |
| 2.3 遗传算法的基本理论 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 遗传算法及其优化 | 第25-32页 |
| 3.1 遗传算法的概念 | 第25-26页 |
| 3.2 遗传算法的基本原理 | 第26-29页 |
| 3.2.1 遗传算法的编码 | 第26-27页 |
| 3.2.2 遗传算法的种群初始化 | 第27页 |
| 3.2.3 遗传算法的适应度评估 | 第27-28页 |
| 3.2.4 遗传算法的种群进化 | 第28-29页 |
| 3.2.5 遗传算法的实现过程 | 第29页 |
| 3.3 遗传算法的优化 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于遗传算法的FCM聚类算法 | 第32-40页 |
| 4.1 FCM聚类的实现过程 | 第32-33页 |
| 4.2 遗传-FCM聚类算法 | 第33-35页 |
| 4.2.1 遗传-FCM聚类算法的概念 | 第33页 |
| 4.2.2 FCM聚类算法的优化 | 第33-34页 |
| 4.2.3 遗传-FCM聚类算法的实现过程 | 第34-35页 |
| 4.3 遗传-FCM聚类算法的实验 | 第35-39页 |
| 4.3.1 实验环境及初始运行参数 | 第35-36页 |
| 4.3.2 实验对比及分析 | 第36-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 总结和展望 | 第40-42页 |
| 5.1 总结 | 第40页 |
| 5.2 展望 | 第40-42页 |
| 参考文献 | 第42-47页 |
| 攻硕期间发表论文及科研成果 | 第47-48页 |
| 致谢 | 第48页 |
