粒子群优化K-均值聚类算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 引言 | 第10-14页 |
| ·研究背景 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·论文的主要工作 | 第13页 |
| ·论文组织结构 | 第13-14页 |
| 2 数据挖掘与聚类算法 | 第14-21页 |
| ·数据挖掘概念 | 第14-15页 |
| ·数据挖掘过程 | 第15页 |
| ·数据挖掘的功能 | 第15-18页 |
| ·聚类分析的数据类型 | 第18页 |
| ·聚类分析的主要算法 | 第18-21页 |
| 3 粒子群算法 | 第21-29页 |
| ·粒子群算法概述 | 第21-23页 |
| ·粒子群算法概念 | 第21-23页 |
| ·粒子群算法的应用 | 第23页 |
| ·改进粒子群算法介绍 | 第23-26页 |
| ·粒子群算法与其他仿生算法的优缺点比较 | 第26-28页 |
| ·粒子群算法与其他仿生算法比较 | 第26-27页 |
| ·粒子群算法的优缺点 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 4 基于改进粒子群算法的 K-均值聚类算法 | 第29-36页 |
| ·粒子群 K-均值聚类算法 | 第29-31页 |
| ·K-均值聚类算法 | 第29-30页 |
| ·粒子群聚类算法 | 第30-31页 |
| ·邻域影响粒子群聚类算法分析 | 第31-33页 |
| ·基于邻域影响的粒子群算法介绍（AOI） | 第31-33页 |
| ·基于邻域影响的粒子群聚类算法步骤 | 第33页 |
| ·几种粒子群算法的聚类算法的分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 5 全文总结与展望 | 第36-37页 |
| ·本论文研究总结 | 第36页 |
| ·未来工作的展望 | 第36-37页 |
| 参考文献 | 第37-40页 |
| 附录 A：作者攻读硕士学位期间发表论文及科研情况 | 第40-41页 |
| 致谢 | 第41页 |
