文摘
英文文摘
1绪论
1.1数据挖掘的兴起和发展
1.1.1数据挖掘起源
1.1.2数据挖掘研究现状
1.2计算智能的历史和国内外发展现状
1.2.1计算智能的历史渊源
1.2.2计算智能的发展状况
1.2.3模拟退火算法的提出及研究现状
1.3计算智能方法在数据挖掘中的应用
1.3.1数据挖掘过程计算智能方法的特点
1.3.2数据挖掘过程中计算智能方法的应用
1.4数据挖掘中的聚类分析
1.5本文的主要工作
2数据挖掘中聚类分析方法比较研究
2.1数据挖掘概述
2.1.1知识发现和数据挖掘的概念
2.1.2数据挖掘的任务
2.1.3数据挖掘的对象
2.1.4数据挖掘的方法和技术
2.1.5数据挖掘的知识表示
2.2聚类分析的发展研究现状
2.3常用聚类算法比较研究
2.3.1聚类方法的典型要求
2.3.2主要聚类方法的分类及比较标准
2.3.3数据挖掘领域中常用聚类方法的综合比较分析
3摸拟退火理论及其算法结构
3.1概述
3.1.1物理退火过程和Metropolis准则
3.1.2组合优化与物理退火的相似性
3.2 SA的算法结构及数学模型
3.2.1算法结构
3.2.2数学模型
3.3模拟退火的渐近行为
3.3.1平稳概率分布理论
3.3.2模拟退火的非时齐马氏链
3.3.3经典模拟退火算法的局限
4模拟退火算法的改进及其在聚类分析中的应用研究
4.1数据聚类中的传统模拟退火算法
4.2模拟退火算法关键参数和操作的设计
4.2.1状态产生函数
4.2.2状态接受函数
4.2.3起始温度的选取
4.2.4温度更新函数的确定
4.2.5内循环终止准则
4.2.6算法的终止准则(外循环终止准则)
4.3模拟退火算法的改进
4.3.1可行的改进方案
4.3.2两阶段的综合的改进策略
4.4模拟退火算法在新股上市首日收益率聚类分析中应用
4.4.1数据清理
4.4.2聚类实例分析
4.4.3算法性能分析
5结论与展望
致谢
参考文献
重庆大学;