| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外发展现状 | 第10-11页 |
| 1.3 论文研究内容与章节安排 | 第11-13页 |
| 第2章 相关理论介绍 | 第13-23页 |
| 2.1 群体智能算法理论介绍 | 第13-18页 |
| 2.1.1 群体智能算法特性 | 第13-14页 |
| 2.1.2 布谷鸟搜索算法 | 第14-18页 |
| 2.2 聚类算法理论介绍 | 第18-23页 |
| 2.2.1 聚类算法分类 | 第18-19页 |
| 2.2.2 密度峰值快速搜索聚类算法 | 第19-21页 |
| 2.2.3 聚类有效性评价指标 | 第21-23页 |
| 第3章 动态自适应步长的双重评价策略布谷鸟搜索算法 | 第23-38页 |
| 3.1 动态自适应步长的双重评价策略布谷鸟搜索算法 | 第23-25页 |
| 3.1.1 动态自适应步长 | 第23-24页 |
| 3.1.2 逐列排序评价策略 | 第24页 |
| 3.1.3 动态发现概率 | 第24-25页 |
| 3.2 仿真实验模拟 | 第25-37页 |
| 3.2.1 寻优精度分析 | 第25-29页 |
| 3.2.2 收敛速度分析 | 第29-30页 |
| 3.2.3 与改进CS算法和其他群体智能算法的比较 | 第30-37页 |
| 3.2.4 不同种群规模对改进布谷鸟算法影响 | 第37页 |
| 3.3 本章小节 | 第37-38页 |
| 第4章 布谷鸟优化的密度峰值快速搜索聚类算法 | 第38-45页 |
| 4.1 改进的余弦相似度 | 第38页 |
| 4.2 布谷鸟优化的密度峰值快速搜索聚类算法 | 第38-40页 |
| 4.2.1 CS-DPC算法的距离矩阵 | 第39页 |
| 4.2.2 布谷鸟优化截断距离dc | 第39-40页 |
| 4.3 仿真实验模拟 | 第40-44页 |
| 4.3.1 实验数据 | 第40-41页 |
| 4.3.2 聚类结果的评价指标对比分析 | 第41-42页 |
| 4.3.3 算法在不同数据集聚类结果分析 | 第42-44页 |
| 4.4 本章小节 | 第44-45页 |
| 第5章 CS-DPC在银行个人信贷中的应用 | 第45-52页 |
| 5.1 数据预处理 | 第45-47页 |
| 5.2 聚类结果及分析 | 第47-51页 |
| 5.3 本章小节 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 工作总结 | 第52-53页 |
| 6.2 未来工作展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 作者简介 | 第59-60页 |
| 攻读学位期间的研究成果 | 第60-61页 |
| 附录 | 第61-68页 |
