首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

细菌觅食优化算法在聚类中的应用

摘要第3-5页
Abstract第5-6页
第1章 绪论第9-17页
    1.1 研究背景及意义第9-10页
    1.2 国内外研究现状第10-14页
        1.2.1 BFO算法的研究现状第10-13页
        1.2.2 聚类方法研究现状第13-14页
    1.3 本文主要工作第14-15页
    1.4 本文结构安排第15-17页
第2章 细菌觅食优化算法第17-25页
    2.1 引言第17页
    2.2 BFO算法的理论基础第17-18页
    2.3 BFO算法的基本原理第18-21页
        2.3.1 趋向性操作(Chemotaxis)第18-19页
        2.3.2 复制操作(Reproduction)第19-20页
        2.3.3 迁徙操作(Elimination-dispersal)第20-21页
    2.4 BFO算法的主要步骤与流程第21-23页
    2.5 细菌觅食优化算法存在的问题第23-24页
    2.6 本章小结第24-25页
第3章 聚类算法分析第25-41页
    3.1 引言第25页
    3.2 聚类的概念第25-26页
    3.3 聚类的数据结构第26-27页
    3.4 聚类的相似性度量第27-31页
    3.5 聚类算法的评价准则第31-32页
    3.6 几种常见的聚类算法第32-37页
        3.6.1 基于划分的方法(Partitioning Method)第33-34页
        3.6.2 基于层次的方法(Hierarchical Method)第34-35页
        3.6.3 基于密度的方法(Denstiy-based Method)第35-36页
        3.6.4 基于网格的方法(Grid-based Method)第36-37页
        3.6.5 基于模型的方法(Model-based Method)第37页
    3.7 K-均值聚类算法第37-40页
        3.7.1 K-均值算法思想第37-38页
        3.7.2 K-均值算法操作流程第38-40页
    3.8 常用聚类算法的比较第40页
    3.9 本章小结第40-41页
第4章 细菌觅食优化算法设计聚类过程第41-49页
    4.1 引言第41页
    4.2 基于BFO的k均值聚类算法的基本原理第41-42页
    4.3 算法的实现过程第42-43页
    4.4 实验仿真及结果分析第43-46页
    4.5 本章小结第46-49页
第5章 改进BFO算法的聚类过程第49-57页
    5.1 引言第49页
    5.2 BFO算法的改进第49-51页
        5.2.1 趋向性操作的改进第49-50页
        5.2.2 复制操作的改进第50-51页
        5.2.3 迁徙操作的改进第51页
    5.3 改进算法的实现流程第51-53页
    5.4 实验仿真及结果分析第53-57页
第6章 总结与展望第57-59页
    6.1 本论文的主要工作总结第57页
    6.2 对未来研究工作的展望第57-59页
参考文献第59-65页
致谢第65-67页
攻读学位期间的研究成果第67页

论文共67页,点击 下载论文
上一篇:数字化人机界面操纵员监视过程中目标识别失误和信息搜集失误实验验证研究
下一篇:动态环境中差分进化算法的研究