基于数据流的模糊聚类算法分析与优化
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 研究现状及面临的挑战 | 第14-16页 |
| 1.4 本文的研究内容 | 第16-17页 |
| 1.5 本文组织 | 第17-18页 |
| 第2章 数据流理论基础 | 第18-24页 |
| 2.1 数据流的特点 | 第18-19页 |
| 2.2 数据挖掘基本流程 | 第19-20页 |
| 2.3 数据流挖掘概述 | 第20-22页 |
| 2.3.1 数据流与传统数据的比较 | 第20-21页 |
| 2.3.2 数据流挖掘要求 | 第21-22页 |
| 2.3.3 数据流挖掘的发展方向 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 聚类分析算法研究 | 第24-36页 |
| 3.1 聚类的分类 | 第24-28页 |
| 3.1.1 按聚类的方式划分 | 第24-28页 |
| 3.1.2 按概率模型划分 | 第28页 |
| 3.2 模糊聚类理论基础 | 第28-31页 |
| 3.2.1 模糊集概述 | 第28-29页 |
| 3.2.2 模糊聚类算法简介 | 第29-30页 |
| 3.2.3 模糊聚类算法要求 | 第30-31页 |
| 3.3 模糊聚类的应用研究 | 第31页 |
| 3.4 数据流聚类算法概述 | 第31-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第4章 基于数据流的模糊聚类算法 | 第36-46页 |
| 4.1 相关定义 | 第36-37页 |
| 4.1.1 数据流模型 | 第36页 |
| 4.1.2 权值衰减 | 第36-37页 |
| 4.2 相关算法介绍 | 第37-40页 |
| 4.2.1 模糊C均值聚类算法 | 第37-38页 |
| 4.2.2 遗传模拟退火算法 | 第38-40页 |
| 4.3 改进的数据流模糊聚类算法 | 第40-42页 |
| 4.3.1 数据流上的加权模糊聚类算法 | 第40-41页 |
| 4.3.2 基于遗传模拟退火优化的模糊聚类算法 | 第41-42页 |
| 4.4 实验结果及性能分析 | 第42-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第5章 基于模糊聚类的数据流多目标优化算法 | 第46-56页 |
| 5.1 多目标算法理论 | 第46-48页 |
| 5.1.1 多目标问题介绍 | 第46-47页 |
| 5.1.2 多目标算法简介 | 第47-48页 |
| 5.2 基于多目标模拟退火优化算法 | 第48-50页 |
| 5.2.1 多目标模拟退火算法框架 | 第49页 |
| 5.2.2 归档式多目标模拟退火算法分析 | 第49-50页 |
| 5.3 基于多目标模拟退火优化的模糊聚类 | 第50-52页 |
| 5.3.1 改进算法的来源 | 第50-51页 |
| 5.3.2 改进算法的描述 | 第51-52页 |
| 5.4 实验结果及性能分析 | 第52-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文 | 第62-64页 |
| 致谢 | 第64-65页 |
| 详细摘要 | 第65-69页 |
