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

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

论文共78页,点击 下载论文
上一篇:融合粒子群和蛙跳算法的模糊C-均值聚类算法研究
下一篇:可靠组播协议及其缓存管理研究