PSO-SMFCM：一种新的基于粒子群算法的多子集模糊聚类算法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文结构 | 第14-17页 |
| 第二章 聚类算法相关研究 | 第17-37页 |
| 2.1 聚类方法介绍 | 第17-23页 |
| 2.1.1 基于划分的聚类方法 | 第17-19页 |
| 2.1.2 基于层次的聚类方法 | 第19-21页 |
| 2.1.3 基于密度的聚类方法 | 第21-22页 |
| 2.1.4 基于网格的聚类方法 | 第22-23页 |
| 2.2 聚类方法对比分析 | 第23-24页 |
| 2.3 模糊C均值聚类算法 | 第24-26页 |
| 2.3.1 算法概述 | 第24-25页 |
| 2.3.2 算法原理和流程 | 第25-26页 |
| 2.4 可伸缩的随机取样迭代优化模糊聚类算法 | 第26-31页 |
| 2.4.1 随机取样迭代优化模糊聚类算法 | 第27-28页 |
| 2.4.2 可伸缩的随机取样迭代优化模糊聚类算法 | 第28-31页 |
| 2.5 聚类评价指标 | 第31-34页 |
| 2.5.1 F-Measure | 第32页 |
| 2.5.2 ARI | 第32-34页 |
| 2.6 本章小结 | 第34-37页 |
| 第三章 基于粒子群算法的多子集模糊聚类算法 | 第37-49页 |
| 3.1 算法概述 | 第37-38页 |
| 3.2 基于粒子群算法的初始聚类中心选择 | 第38-41页 |
| 3.3 数据划分和结果合并 | 第41-43页 |
| 3.4 算法流程 | 第43-44页 |
| 3.5 并行化设计 | 第44-46页 |
| 3.6 本章小结 | 第46-49页 |
| 第四章 实验设计与结果 | 第49-59页 |
| 4.1 实验环境 | 第49-50页 |
| 4.1.1 实验配置 | 第49页 |
| 4.1.2 实验数据集 | 第49-50页 |
| 4.2 实验设计 | 第50-52页 |
| 4.2.1 实验方法 | 第50-51页 |
| 4.2.2 实验组设计 | 第51页 |
| 4.2.3 评价指标 | 第51-52页 |
| 4.3 实验结果分析 | 第52-56页 |
| 4.3.1 算法执行时间 | 第52-53页 |
| 4.3.2 聚类结果准确率 | 第53-55页 |
| 4.3.3 聚类结果稳定性 | 第55-56页 |
| 4.4 本章小结 | 第56-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 未来工作 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文 | 第65-67页 |
| 致谢 | 第67-68页 |
