蚁群算法在聚类分析中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·引言 | 第7-8页 |
| ·选题背景 | 第8-10页 |
| ·本文主要工作 | 第10页 |
| ·论文组织结构 | 第10-12页 |
| 第二章 聚类分析 | 第12-21页 |
| ·聚类分析的定义 | 第12-13页 |
| ·数据对象间的相似度度量 | 第13-15页 |
| ·聚类分析的常用方法 | 第15-19页 |
| ·聚类分析的评价标准 | 第19页 |
| ·小结 | 第19-21页 |
| 第三章 蚁群聚类算法 | 第21-32页 |
| ·蚁群算法的提出 | 第21页 |
| ·蚂蚁的群体行为 | 第21-25页 |
| ·基于蚂蚁觅食原理的聚类算法 | 第25-28页 |
| ·基于蚁堆形成原理的聚类算法 | 第28-31页 |
| ·小结 | 第31-32页 |
| 第四章 一种改进的基于蚂蚁觅食原理的聚类算法 | 第32-49页 |
| ·遗传算法概述 | 第32-38页 |
| ·遗传算法的流程 | 第32-34页 |
| ·遗传算法的基本操作 | 第34-37页 |
| ·遗传算法的特点 | 第37-38页 |
| ·改进的遗传算法 | 第38-42页 |
| ·初始种群的生成 | 第38-39页 |
| ·伪并行 | 第39-40页 |
| ·改进的最优解保存策略 | 第40页 |
| ·种群动态调整 | 第40-42页 |
| ·蚁群与遗传融合的聚类算法 | 第42-44页 |
| ·融合算法中的遗传操作 | 第42-43页 |
| ·蚁群算法与遗传算法的衔接 | 第43-44页 |
| ·仿真实验 | 第44-48页 |
| ·实验数据 | 第44-45页 |
| ·评估标准 | 第45-46页 |
| ·实验结果及分析 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第五章 一种改进的基于蚁堆形成原理的聚类算法 | 第49-60页 |
| ·算法改进 | 第49-54页 |
| ·短期记忆 | 第50页 |
| ·改进的邻域相似函数 | 第50-51页 |
| ·数据对象拾起策略 | 第51页 |
| ·数据对象放置策略 | 第51-52页 |
| ·参数动态调整策略 | 第52-53页 |
| ·离散数据对象处理 | 第53-54页 |
| ·算法描述 | 第54-56页 |
| ·仿真实验 | 第56-59页 |
| ·实验数据及参数设置 | 第56-57页 |
| ·实验结果及分析 | 第57-59页 |
| ·小结 | 第59-60页 |
| 总结与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |
