基于网格和加速粒子群优化的数据流聚类算法研究
| 摘要 | 第7-8页 |
| ABSTRACT | 第8页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.1.1 流数据挖掘概述 | 第9-10页 |
| 1.1.2 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 群智能优化算法 | 第11-12页 |
| 1.2.2 数据流聚类挖掘 | 第12页 |
| 1.2.3 群智能与数据流聚类结合 | 第12-13页 |
| 1.3 本文主要工作和创新点 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 流数据聚类算法研究 | 第15-27页 |
| 2.1 静态数据聚类方法简介 | 第15-20页 |
| 2.1.1 基于划分的方法 | 第15-17页 |
| 2.1.2 基于层次的方法 | 第17-18页 |
| 2.1.3 基于密度的方法 | 第18-19页 |
| 2.1.4 基于网格的方法 | 第19页 |
| 2.1.5 基于模型的方法 | 第19-20页 |
| 2.2 流数据聚类方法概述 | 第20-21页 |
| 2.2.1 基于划分的数据流聚类算法 | 第20页 |
| 2.2.2 基于层次的数据流聚类算法 | 第20-21页 |
| 2.2.3 基于密度的数据流聚类算法 | 第21页 |
| 2.2.4 基于网格的数据流聚类算法 | 第21页 |
| 2.2.5 基于模型的数据流聚类算法 | 第21页 |
| 2.3 典型的流数据聚类算法分析 | 第21-26页 |
| 2.3.1 STREAM算法 | 第21-22页 |
| 2.3.2 CLUSTREAM算法 | 第22-23页 |
| 2.3.3 DENSTREAM算法 | 第23-24页 |
| 2.3.4 D-STREAM算法 | 第24-25页 |
| 2.3.5 算法总结与分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 粒子群优化算法 | 第27-34页 |
| 3.1 粒子群优化算法的原理 | 第27-28页 |
| 3.2 标准粒子群优化算法 | 第28-30页 |
| 3.3 加速粒子群优化算法 | 第30-33页 |
| 3.3.1 检测操作 | 第31页 |
| 3.3.2 压缩操作 | 第31-32页 |
| 3.3.3 并发操作 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于网格和加速粒子群优化的数据流聚类算法 | 第34-42页 |
| 4.1 问题的提出与分析 | 第34-36页 |
| 4.1.1 数据流聚类中PSO的应用分析 | 第34-35页 |
| 4.1.2 算法拟用技术分析 | 第35-36页 |
| 4.2 算法的理论基础与相关参数 | 第36-38页 |
| 4.3 系统框图及具体算法 | 第38-40页 |
| 4.4 算法性能分析 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 实验及结果分析 | 第42-49页 |
| 5.1 实验环境及数据集 | 第42-44页 |
| 5.1.1 实验环境说明 | 第42页 |
| 5.1.2 数据集分析 | 第42-44页 |
| 5.2 适用性测试 | 第44-46页 |
| 5.3 性能测试 | 第46-48页 |
| 5.3.1 准确度对比 | 第46-47页 |
| 5.3.2 效率对比 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读学位期间发表的学术论文 | 第53-55页 |
| 致谢 | 第55页 |
