| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 遗传算法的理论研究及其发展概况 | 第12-13页 |
| 1.2.2 遗传算法在聚类分析中的应用研究现状及发展 | 第13-14页 |
| 1.3 论文的主要内容安排 | 第14-15页 |
| 第2章 聚类分析的基本理论 | 第15-22页 |
| 2.1 聚类分析的概念 | 第15页 |
| 2.2 聚类分析中的数据结构 | 第15-16页 |
| 2.2.1 数据矩阵 | 第15-16页 |
| 2.2.2 相异度矩阵 | 第16页 |
| 2.3 聚类分析中的相似度的度量 | 第16-18页 |
| 2.3.1 距离函数 | 第16-17页 |
| 2.3.2 类间距离 | 第17-18页 |
| 2.4 聚类准则 | 第18-20页 |
| 2.5 聚类算法的分类 | 第20-21页 |
| 2.5.1 基于划分的方法 | 第20页 |
| 2.5.2 基于层次的方法 | 第20-21页 |
| 2.5.3 基于密度的方法 | 第21页 |
| 2.5.4 基于网格的方法 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 遗传算法的基本原理 | 第22-27页 |
| 3.1 遗传算法的基本概念 | 第22-23页 |
| 3.2 遗传算法的基本组成要素 | 第23-25页 |
| 3.2.1 染色体编码 | 第23页 |
| 3.2.2 初始种群的生成 | 第23页 |
| 3.2.3 适应度函数的构造 | 第23-24页 |
| 3.2.4 遗传算子 | 第24-25页 |
| 3.3 遗传算法的基本流程 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第4章 基于改进遗传算法的K-means聚类算法 | 第27-36页 |
| 4.1 引言 | 第27页 |
| 4.2 K-means聚类算法 | 第27-29页 |
| 4.2.1 标准K-means算法的基本流程 | 第27-28页 |
| 4.2.2 K-means算法的不足 | 第28-29页 |
| 4.2.3 已有改进的K-means算法 | 第29页 |
| 4.3 基于改进遗传算法的K-means聚类算法设计 | 第29-33页 |
| 4.3.1 染色体编码 | 第29-30页 |
| 4.3.2 种群初始化 | 第30页 |
| 4.3.3 适应度函数的设计 | 第30页 |
| 4.3.4 选择操作 | 第30-31页 |
| 4.3.5 交叉和变异操作 | 第31-33页 |
| 4.3.6 算法的终止条件 | 第33页 |
| 4.4 基于改进遗传算法的K-Means算法的具体流程 | 第33-34页 |
| 4.5 本章小结 | 第34-36页 |
| 第5章 实验仿真与结果分析 | 第36-45页 |
| 5.1 实验平台 | 第36页 |
| 5.2 仿真实验一 | 第36-40页 |
| 5.2.1 数据集描述 | 第36-37页 |
| 5.2.2 算法测试 | 第37-40页 |
| 5.3 仿真实验二 | 第40-43页 |
| 5.3.1 数据集描述 | 第40-41页 |
| 5.3.2 算法测试 | 第41-43页 |
| 5.4 结果分析 | 第43-44页 |
| 5.5 本章小结 | 第44-45页 |
| 第6章 总结和展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 攻读硕士学位期间发表的学术论文 | 第49-50页 |
| 致谢 | 第50页 |
