基于聚类算法的区间型多属性大群体决策方法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状分析 | 第11-15页 |
| 1.2.1 K-均值聚类算法 | 第11-12页 |
| 1.2.2 大群体决策 | 第12-15页 |
| 1.3 主要研究内容 | 第15-17页 |
| 第2章 优选初始聚类中心的改进K-均值聚类算法 | 第17-24页 |
| 2.1 引言 | 第17页 |
| 2.2 K-均值聚类算法概述 | 第17-18页 |
| 2.3 优选初始聚类中心的改进K-均值聚类算法 | 第18-21页 |
| 2.3.1 改进算法基本思想 | 第18-19页 |
| 2.3.2 改进算法步骤 | 第19-21页 |
| 2.3.3 改进算法复杂度分析 | 第21页 |
| 2.4 基于改进聚类算法的仿真实例 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 区间型数据的相似性度量 | 第24-32页 |
| 3.1 引言 | 第24页 |
| 3.2 区间型数值相似性度量 | 第24-25页 |
| 3.3 有效性评价 | 第25-26页 |
| 3.4 随机模拟实验 | 第26-29页 |
| 3.4.1 随机模拟实验设计 | 第26-28页 |
| 3.4.2 基于改进K-均值聚类算法 | 第28-29页 |
| 3.5 应用举例 | 第29-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 基于聚类算法的区间型多属性大群体决策 | 第32-40页 |
| 4.1 引言 | 第32页 |
| 4.2 多属性大群体决策问题描述 | 第32-33页 |
| 4.3 大群体成员相似度度量 | 第33-34页 |
| 4.3.1 评价信息预处理 | 第33-34页 |
| 4.3.2 相似性度量 | 第34页 |
| 4.4 大群体信息集结 | 第34-37页 |
| 4.4.1 确定最佳聚类类别数 | 第35页 |
| 4.4.2 每类整体权重求解 | 第35-36页 |
| 4.4.3 信息集结 | 第36-37页 |
| 4.5 算例分析 | 第37-39页 |
| 4.6 本章小结 | 第39-40页 |
| 结语 | 第40-42页 |
| 结论 | 第40-41页 |
| 展望 | 第41-42页 |
| 参考文献 | 第42-49页 |
| 攻读硕士学位期间主要研究成果 | 第49-50页 |
| 致谢 | 第50页 |
