| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-9页 |
| ·数据挖掘技术概述 | 第7页 |
| ·数据挖掘中的聚类分析 | 第7-8页 |
| ·粒子群算法概述 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·数据挖掘的研究现状 | 第9-10页 |
| ·聚类分析的研究现状 | 第10页 |
| ·粒子群算法的研究现状 | 第10-11页 |
| ·本论文主要研究内容 | 第11-12页 |
| ·本论文结构 | 第12-13页 |
| 第二章 粒子群优化算法的研究 | 第13-23页 |
| ·粒子群优化算法的基本思想 | 第13-14页 |
| ·基本粒子群算法和标准粒子群算法 | 第14-17页 |
| ·基本粒子群优化算法 | 第14-16页 |
| ·标准粒子群优化算法 | 第16-17页 |
| ·常见的改进粒子群优化算法 | 第17-19页 |
| ·带收缩因子的标准粒子群算法 | 第17页 |
| ·免疫粒子群优化算法 | 第17-18页 |
| ·混沌粒子群优化算法 | 第18页 |
| ·协同粒子群优化算法 | 第18页 |
| ·基于拉伸技术的粒子群优化算法 | 第18-19页 |
| ·随机粒子群优化算法 | 第19页 |
| ·粒子群优化算法与其他仿生算法的比较 | 第19-22页 |
| ·粒子群优化算法与其他仿生算法比较 | 第19-21页 |
| ·粒子群优化算法的优缺点 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于适应度权重的改进粒子群算法 | 第23-33页 |
| ·FWPSO算法的改进思路 | 第23-24页 |
| ·FWPSO算法具体改进内容 | 第24-27页 |
| ·适应度权重的定义 | 第24-25页 |
| ·基于适应度权重改进的惯性权重 | 第25页 |
| ·基于适应度权重改进的学习因子 | 第25-26页 |
| ·FWPSO优化算法公式 | 第26-27页 |
| ·FWPSO优化算法算法流程 | 第27-28页 |
| ·实验分析 | 第28-31页 |
| ·实验测试函数 | 第28-29页 |
| ·实验算法设置 | 第29页 |
| ·实验结果 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第四章 聚类分析技术的研究和改进 | 第33-53页 |
| ·聚类分析 | 第33-40页 |
| ·聚类分析的基本概念 | 第33-34页 |
| ·数据挖掘对聚类的典型要求 | 第34-35页 |
| ·聚类分析中的数据结构和数据类型 | 第35-39页 |
| ·常用聚类距离度量方法 | 第39-40页 |
| ·聚类算法的分类和主要算法 | 第40-42页 |
| ·划分方法 | 第40页 |
| ·层次法方法 | 第40-41页 |
| ·基于密度的方法 | 第41页 |
| ·基于网格的方法 | 第41-42页 |
| ·基于模型的方法 | 第42页 |
| ·基于平衡方差目标函数改进的K-means聚类算法 | 第42-46页 |
| ·K-means算法思想 | 第42-43页 |
| ·K-means聚类算法流程 | 第43页 |
| ·K-means算法的优缺点 | 第43-44页 |
| ·基于平衡方差评价函数改进的聚类算法 | 第44-46页 |
| ·FWPSO粒子群算法与VBK-means算法结合的改进聚类算法 | 第46-51页 |
| ·FWP-VBK聚类算法思想 | 第46-47页 |
| ·FWP-VBK聚类算法描述 | 第47-48页 |
| ·实验分析 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 结束语 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 在读期间的研究成果 | 第59-60页 |