| 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 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要架构安排 | 第12-13页 |
| 1.4 本文主要创新点 | 第13-15页 |
| 第2章 理论研究基础 | 第15-22页 |
| 2.1 相似度计算 | 第15-16页 |
| 2.2 聚类算法详解 | 第16-19页 |
| 2.2.1 K-means算法 | 第16页 |
| 2.2.2 层次聚类算法 | 第16-17页 |
| 2.2.3 基于密度的聚类算法 | 第17-19页 |
| 2.3 近邻传播聚类算法 | 第19-20页 |
| 2.4 聚类有效性评价指标 | 第20-22页 |
| 第3章 基于加权相似度的自适应近邻传播聚类算法及应用 | 第22-34页 |
| 3.1 基于加权相似度的自适应近邻传播聚类算法 | 第22-26页 |
| 3.1.1 密度属性的构建 | 第22-23页 |
| 3.1.2 加权相似度更新相似度矩阵 | 第23页 |
| 3.1.3 理论的创建 | 第23-25页 |
| 3.1.4 自适应策略的构建 | 第25-26页 |
| 3.1.5 DPWS-SAAP算法流程 | 第26页 |
| 3.2 仿真实验 | 第26-30页 |
| 3.2.1 实验数据 | 第26-27页 |
| 3.2.2 实验结果与分析 | 第27-30页 |
| 3.3 DPWS-SAAP算法在经济领域中的应用 | 第30-33页 |
| 3.3.1 数据选取 | 第30-32页 |
| 3.3.2 应用分析 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于万有引力理论的近邻传播聚类算法及应用 | 第34-45页 |
| 4.1 基于万有引力理论的近邻传播聚类算法 | 第34-36页 |
| 4.1.1 理论基础 | 第34-36页 |
| 4.1.2 G-AP算法的算法流程 | 第36页 |
| 4.2 仿真实验与分析 | 第36-40页 |
| 4.2.1 实验数据 | 第36页 |
| 4.2.2 实验结果分析 | 第36-40页 |
| 4.3 G-AP算法在经济领域中的应用 | 第40-43页 |
| 4.3.1 数据的选取 | 第40-41页 |
| 4.3.2 应用分析 | 第41-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第5章 基于萤火虫优化的近邻传播聚类算法 | 第45-49页 |
| 5.1 基于萤火虫优化的近邻传播聚类算法 | 第45-46页 |
| 5.1.1 萤火虫优化算法 | 第45页 |
| 5.1.2 FO-AP算法流程 | 第45-46页 |
| 5.2 仿真实验与分析 | 第46-48页 |
| 5.2.1 实验数据 | 第46页 |
| 5.2.2 实验结果 | 第46-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第6章 基于改进距离函数的近邻传播聚类算法及应用 | 第49-55页 |
| 6.1 基于改进距离函数的近邻传播聚类算法 | 第49-51页 |
| 6.1.1 距离函数研究基础 | 第49-50页 |
| 6.1.2 改进距离函数的构建 | 第50页 |
| 6.1.3 IDF-AP算法流程 | 第50-51页 |
| 6.2 仿真实验与分析 | 第51-52页 |
| 6.2.1 实验数据 | 第51页 |
| 6.2.2 实验结果 | 第51-52页 |
| 6.3 IDF-AP算法的应用 | 第52-54页 |
| 6.3.1 数据选取 | 第52-53页 |
| 6.3.2 应用分析 | 第53-54页 |
| 6.4 本章小结 | 第54-55页 |
| 第7章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 作者简历 | 第63-64页 |
| 后记 | 第64页 |