基于粒子群和粗糙集的聚类算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景和意义 | 第9页 |
| ·数据挖掘的理论和应用 | 第9-14页 |
| ·数据挖掘的发展背景 | 第9-10页 |
| ·数据挖掘的研究现状 | 第10-13页 |
| ·聚类技术的研究现状 | 第13-14页 |
| ·本文的主要工作 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 相关知识 | 第16-27页 |
| ·聚类分析 | 第16-19页 |
| ·基本概念及描述 | 第16页 |
| ·主要算法及比较 | 第16-19页 |
| ·粗糙集理论 | 第19-21页 |
| ·不可分辨关系 | 第19-20页 |
| ·集合的上、下近似集 | 第20-21页 |
| ·粗糙集的基本性质 | 第21页 |
| ·核函数 | 第21-23页 |
| ·基本原理 | 第21-22页 |
| ·基本理论知识 | 第22-23页 |
| ·核函数方法的特点 | 第23页 |
| ·粒子群算法 | 第23-25页 |
| ·基本原理 | 第23-25页 |
| ·处理流程 | 第25页 |
| ·与其他算法的比较 | 第25页 |
| ·ReliefF 加权算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 自适应 K-medoids 聚类算法 | 第27-36页 |
| ·问题提出 | 第27页 |
| ·自适应 K-medoids 思想 | 第27-29页 |
| ·密度初始化 | 第27-28页 |
| ·基于密度的迭代搜索策略 | 第28-29页 |
| ·优化准则函数 | 第29页 |
| ·自适应 K-medoids 算法 | 第29-31页 |
| ·算法描述 | 第29-30页 |
| ·算法分析 | 第30-31页 |
| ·实验仿真及结果分析 | 第31-35页 |
| ·实验设计 | 第31-32页 |
| ·实验结果分析 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于粒子群的 K-medoids 算法 | 第36-42页 |
| ·问题提出 | 第36页 |
| ·基于粒子群的 K-medoids 算法思想 | 第36-37页 |
| ·基于粒子群的 K-medoids 算法 | 第37-39页 |
| ·粒子群初始化 | 第37页 |
| ·聚类中心优化 | 第37-38页 |
| ·适应度函数 | 第38页 |
| ·算法编码 | 第38页 |
| ·算法流程 | 第38-39页 |
| ·实验仿真及结果分析 | 第39-41页 |
| ·实验设计 | 第39页 |
| ·实验结果分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 基于粒子群的粗糙核聚类算法 | 第42-50页 |
| ·问题提出 | 第42页 |
| ·基于粒子群的粗糙核聚类算法 | 第42-46页 |
| ·属性加权操作 | 第42页 |
| ·权值的动态调整 | 第42-43页 |
| ·聚类边界与聚类中心的计算 | 第43页 |
| ·算法收敛准则 | 第43-44页 |
| ·适应度函数 | 第44页 |
| ·算法流程 | 第44-46页 |
| ·实验仿真及结果分析 | 第46-48页 |
| ·实验设计 | 第46-47页 |
| ·实验结果分析 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·工作总结 | 第50页 |
| ·未来工作及展望 | 第50-52页 |
| 参考文献 | 第52-60页 |
| 致谢 | 第60-61页 |
| 附录 A 攻读学位期间所发表的学术论文 | 第61-62页 |
| 摘要 | 第62-66页 |
| ABSTRACT | 第66-70页 |
