基于群智能算法的聚类挖掘方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 数据挖掘研究现状 | 第12-14页 |
| 1.3 群智能算法研究现状 | 第14-15页 |
| 1.4 本文的主要工作 | 第15-16页 |
| 1.5 本文组织结构 | 第16-17页 |
| 第二章 相关理论知识概述 | 第17-36页 |
| 2.1 数据挖掘概述 | 第17-21页 |
| 2.1.1 基本定义 | 第17页 |
| 2.1.2 可以挖掘的数据类型 | 第17-18页 |
| 2.1.3 数据挖掘的方法 | 第18-21页 |
| 2.2 聚类分析 | 第21-29页 |
| 2.2.1 聚类定义 | 第21-22页 |
| 2.2.2 对聚类算法的要求 | 第22-23页 |
| 2.2.3 聚类中的数据类型 | 第23页 |
| 2.2.4 相似性度量 | 第23-25页 |
| 2.2.5 主要聚类方法 | 第25-29页 |
| 2.3 几种常见的群智能算法及其原理 | 第29-35页 |
| 2.3.1 群智能概述 | 第29-30页 |
| 2.3.2 人工蜂群优化算法 | 第30-32页 |
| 2.3.3 粒子群优化算法 | 第32-33页 |
| 2.3.4 蚁群优化算法 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于混沌萤火虫算法的模糊聚类 | 第36-45页 |
| 3.1 萤火虫优化算法 | 第36-39页 |
| 3.2 理论思想 | 第39-40页 |
| 3.3 基于混沌萤火虫算法的模糊聚类 | 第40-42页 |
| 3.3.1 Logistic理论 | 第40页 |
| 3.3.2 种群混沌初始化 | 第40-41页 |
| 3.3.3 修改萤火虫个体位置更新公式 | 第41页 |
| 3.3.4 萤火虫个体编码 | 第41页 |
| 3.3.5 算法步骤 | 第41-42页 |
| 3.3.6 算法可行性分析 | 第42页 |
| 3.4 实验结果分析 | 第42-44页 |
| 3.4.1 实验准备 | 第42-43页 |
| 3.4.2 结果分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 新的融合小生境萤火虫的模糊聚类方法 | 第45-53页 |
| 4.1 理论思想 | 第45页 |
| 4.2 小生境技术 | 第45-46页 |
| 4.3 新的小生境模糊聚类方法 | 第46-48页 |
| 4.3.1 初始化种群 | 第46-47页 |
| 4.3.2 将随机惯性权重引入位置更新公式 | 第47页 |
| 4.3.3 引入小生境技术的时机选择 | 第47-48页 |
| 4.3.4 算法流程 | 第48页 |
| 4.3.5 算法可行性分析 | 第48页 |
| 4.4 实验仿真与结果分析 | 第48-52页 |
| 4.4.1 聚类效果判断指标及实验设计 | 第48-49页 |
| 4.4.2 实验结果分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 引入莱维飞行的萤火虫划分聚类方法 | 第53-60页 |
| 5.1 理论思想 | 第53页 |
| 5.2 莱维飞行 | 第53-54页 |
| 5.3 新的小生境模糊聚类方法 | 第54-56页 |
| 5.3.1 聚类结果评价函数 | 第54-55页 |
| 5.3.2 基于密度和最大最小距离初始化 | 第55页 |
| 5.3.3 具有莱维飞行特征的位移公式 | 第55-56页 |
| 5.3.4 算法步骤 | 第56页 |
| 5.3.5 算法可行性分析 | 第56页 |
| 5.4 实验结果分析 | 第56-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 附录（攻读硕士学位期间发表论文目录） | 第68-69页 |
| 详细摘要 | 第69-78页 |
