文摘
英文文摘
插图索引
附表索引
第1章 绪论
1.1 研究背景和意义
1.2 数据挖掘概述
1.2.1 数据挖掘概念及其过程
1.2.2 数据挖掘的主要算法
1.3 本文研究内容
1.4 本文组织结构
第二章 模糊聚类算法
2.1 模糊聚类概述和研究现状
2.1.1 模糊聚类概述
2.1.2 模糊聚类研究现状
2.2 常用模糊聚类算法简介
2.2.1 模糊C-均值聚类算法
2.2.2 核模糊C-均值聚类算法
2.3 本章小结
第三章 基于人工蜂群的模糊聚类算法
3.1 群智能算法
3.1.1 群智能算法简介
3.1.2 几种常见的群智能算法
3.2 人工蜂群算法简介
3.2.1 人工蜂群算法的生物模型
3.2.2 人工蜂群算法
3.3 基于人工蜂群的模糊聚类算法
3.3.1 基于人工蜂群的FCM(ABFM)算法
3.3.2 基于人工蜂群的KFCM(ABC-KFCM)算法
3.3.3 实验结果分析
3.4 基于BOLTZMANN选择的人工蜂群的模糊聚类算法
3.4.1 Boltzmann选择机制
3.4.2 小区间法
3.4.3 基于Boltzmann选择的改进ABFM算法
3.4.4 基于Boltzmann选择的改进ABC-KFCM算法
3.4.5 实验结果
3.5 本章小结
第四章 基于拉普拉斯特征映射的TE化工过程模糊聚类算法
4.1 TE过程
4.1.1 工艺过程概况
4.1.2 TE过程故障
4.2 流行学习简介
4.3 基于拉普拉斯特征映射的ABC-FCM算法
4.3.1 拉普拉斯特征根映射法
4.3.2 基于拉普拉斯特征映射的ABFM算法
4.4 实验结果分析
4.4.1 UCI数据集
4.4.2 TE数据集
4.5 本章小结
结论与展望
参考文献
致谢
附录 攻读硕士学位期间所发表的学术论文
兰州理工大学;