| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第13-19页 |
| 1.1 引言 | 第13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15页 |
| 1.3 本论文的研究目的和意义 | 第15-16页 |
| 1.4 本文研究内容 | 第16-19页 |
| 2 数据挖掘及聚类分析概述 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 数据挖掘基本概念 | 第19-20页 |
| 2.3 数据挖掘技术及工具 | 第20-22页 |
| 2.3.1 数据挖掘技术 | 第20-21页 |
| 2.3.2 数据挖掘工具 | 第21-22页 |
| 2.4 数据挖掘过程 | 第22-24页 |
| 2.5 聚类分析 | 第24-31页 |
| 2.5.1 聚类分析概述 | 第24页 |
| 2.5.2 相似性度量 | 第24-25页 |
| 2.5.3 聚类算法的分类 | 第25-27页 |
| 2.5.4 聚类算法概述 | 第27-29页 |
| 2.5.5 聚类分析的应用 | 第29-31页 |
| 3 遗传算法及模拟退火算法简介 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 遗传算法基础 | 第31-40页 |
| 3.2.1 遗传算法的产生及发展 | 第31-32页 |
| 3.2.2 遗传算法的基本思想 | 第32页 |
| 3.2.3 遗传算法的基本特征 | 第32-33页 |
| 3.2.4 遗传算法的组成 | 第33-39页 |
| 3.2.5 遗传操作过程 | 第39-40页 |
| 3.3 模拟退火算法简介 | 第40-45页 |
| 3.3.1 模拟退火算法概念 | 第40页 |
| 3.3.2 模拟退火算法原理 | 第40-42页 |
| 3.3.3 模拟退火算法的操作过程 | 第42-45页 |
| 4 动态分配多种群模拟退火遗传算法 | 第45-51页 |
| 4.1 遗传算法改进思想 | 第45页 |
| 4.2 遗传算法改进措施 | 第45-46页 |
| 4.3 动态分配多种群模拟退火遗传算法过程 | 第46-51页 |
| 5 优化遗传算法的K-means算法在聚类中应用 | 第51-56页 |
| 5.1 引言 | 第51页 |
| 5.2 动态分配多种群模拟退火遗传的K-means聚类算法具体操作 | 第51-56页 |
| 5.2.1 染色体编码 | 第51-52页 |
| 5.2.2 种群初始化 | 第52页 |
| 5.2.3 适应度函数设计 | 第52页 |
| 5.2.4 选择算子 | 第52页 |
| 5.2.5 交叉和变异算子 | 第52-53页 |
| 5.2.6 优化遗传算法K-means聚类操作流程 | 第53-56页 |
| 6 实验结果及分析 | 第56-63页 |
| 6.1 引言 | 第56页 |
| 6.2 数据采集 | 第56-57页 |
| 6.3 数据测试及分析 | 第57-63页 |
| 7 总结与展望 | 第63-65页 |
| 7.1 结论 | 第63页 |
| 7.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介及读研期间主要科研成果 | 第71-72页 |