基于遗传算法和粗糙集的聚类算法研究
摘要 | 第1-6页 |
ABSTRACT | 第6-11页 |
第一章 绪论 | 第11-19页 |
·研究的背景和意义 | 第11-12页 |
·数据挖掘的理论和应用 | 第12-17页 |
·数据挖掘的发展背景 | 第12-13页 |
·数据挖掘的研究现状 | 第13-14页 |
·粗糙集与数据挖掘 | 第14页 |
·遗传算法与数据挖掘 | 第14-15页 |
·聚类技术研究现状 | 第15-16页 |
·聚类算法面临的挑战 | 第16-17页 |
·本文的主要工作 | 第17页 |
·本文的组织 | 第17-19页 |
第二章 聚类分析 | 第19-27页 |
·聚类的形式化描述 | 第19页 |
·聚类分析中的基本数据结构 | 第19-20页 |
·聚类分析中的基本数据类型 | 第20-21页 |
·相似度度量方法 | 第21-23页 |
·距离度量 | 第21-22页 |
·相似性度量 | 第22-23页 |
·聚类分析中的主要算法及其比较 | 第23-25页 |
·聚类算法介绍 | 第23-24页 |
·聚类算法的比较 | 第24-25页 |
·K-means 聚类算法概述 | 第25-26页 |
·K-means 聚类简介 | 第25页 |
·K-means 算法特点 | 第25-26页 |
·本章小结 | 第26-27页 |
第三章 基于遗传算法和粗糙集的聚类算法 | 第27-41页 |
·粗糙集基本理论 | 第27-28页 |
·不可分辨关系 | 第27-28页 |
·集合的上、下近似 | 第28页 |
·粗糙集的基本性质 | 第28页 |
·遗传算法基本理论 | 第28-30页 |
·遗传算法的处理流程 | 第29页 |
·遗传算法的特点 | 第29-30页 |
·最大最小距离算法 | 第30-31页 |
·基于遗传算法的粗糙K-means 算法设计 | 第31-38页 |
·孤立点预处理 | 第31-32页 |
·编码方案 | 第32-33页 |
·适应度函数设计 | 第33-34页 |
·遗传操作 | 第34-35页 |
·聚类边界和聚类中心的计算 | 第35-36页 |
·算法收敛准则 | 第36页 |
·终止条件 | 第36页 |
·算法描述 | 第36-38页 |
·算法复杂度分析 | 第38页 |
·算法仿真及结果分析 | 第38-40页 |
·算法仿真 | 第38-39页 |
·结果分析 | 第39-40页 |
·本章小结 | 第40-41页 |
第四章 增量式聚类算法 | 第41-52页 |
·问题提出 | 第41页 |
·增量式聚类思想 | 第41-44页 |
·增量式聚类算法的主要步骤 | 第42页 |
·数据的插入 | 第42-43页 |
·数据的删除 | 第43页 |
·增量处理后的类别情况 | 第43-44页 |
·增量式过程的设计 | 第44-46页 |
·类消除条件 | 第44页 |
·类分裂条件 | 第44页 |
·数据插入操作 | 第44-45页 |
·数据删除操作 | 第45-46页 |
·基于K-means 的动态增量聚类算法 | 第46-48页 |
·初始聚类 | 第46页 |
·动态的粗糙增量聚类算法描述 | 第46-47页 |
·算法复杂度分析 | 第47-48页 |
·算法仿真及结果分析 | 第48-51页 |
·算法仿真 | 第48-50页 |
·结果分析 | 第50-51页 |
·本章小结 | 第51-52页 |
第五章 字符型数据聚类算法 | 第52-62页 |
·问题的提出 | 第52页 |
·字符属性知识 | 第52-54页 |
·字符属性的值域 | 第52-53页 |
·字符属性值的距离尺度 | 第53页 |
·字符属性值的距离度量 | 第53-54页 |
·基于K-means 的字符型数据聚类研究 | 第54-59页 |
·相关定义 | 第54-55页 |
·字符属性值之间的距离评价 | 第55-56页 |
·对象与对象的距离 | 第56页 |
·聚类中心的表示 | 第56-57页 |
·样本与聚类中心的距离 | 第57页 |
·算例分析 | 第57-58页 |
·算法描述 | 第58页 |
·算法复杂度分析 | 第58-59页 |
·算法仿真及分析 | 第59-60页 |
·算法仿真 | 第59-60页 |
·结果分析 | 第60页 |
·本章小结 | 第60-62页 |
第六章 结论与展望 | 第62-64页 |
·结论 | 第62页 |
·展望 | 第62-64页 |
参考文献 | 第64-68页 |
致谢 | 第68-69页 |
附录 (攻读硕士学位期间发表论文目录) | 第69-70页 |
摘要 | 第70-74页 |
ABSTRACT | 第74-78页 |