文摘
英文文摘
声明
第一章 绪论
1.1 本文研究的背景及意义
1.2 国内外研究现状及发展趋势
1.2.1 国内外研究现状
1.2.2 发展趋势及面临的问题
1.3 本文的主要研究内容和论文结构
第二章 粒子群优化算法
2.1 群智能
2.2 粒子群算法简介
2.3 原始粒子群优化算法
2.3.1 算法原理与流程
2.3.2 全局模型与局部模型
2.4 标准粒子群优化算法
2.4.1 带有惯性因子的粒子群算法
2.4.2 带有收缩因子的粒子群算法
2.5 改进的粒子群优化算法
2.5.1 基于遗传思想改进粒子群算法
2.5.2 基于动态邻域的改进粒子群算法
2.5.3 离散二进制粒子群算法
2.5.4 其它改进的粒子群算法
2.6 本章小结
第三章 数据挖掘中的聚类分析
3.1 数据挖掘概述
3.1.1 数据挖掘中的关键技术
3.1.2 数据挖掘的任务
3.1.3 数据挖掘工具分析
3.1.4 数据挖掘的应用
3.2 聚类分析的基本概念与应用领域
3.3 数据挖掘对聚类分析的要求
3.4 主要的聚类算法
3.4.1 分割聚类方法
3.4.2 层次聚类方法
3.4.3 基于密度的聚类方法
3.4.4 基于网格的聚类方法
3.4.5 基于模型的聚类方法
3.5 本章小结
第四章 基于粒子群优化的模糊聚类算法
4.1 模糊聚类分析
4.1.1 模糊集合
4.1.2 模糊关系
4.2 FCM算法分析
4.2.1 数据集的c划分
4.2.2 硬c—均值聚类算法
4.2.3 模糊C—均值聚类算法
4.3 改进的粒子群算法(NYPSO)
4.3.1 NWPSO算法
4.3.2 NYPSO算法
4.4 改进的模糊聚类算法(WDFCM)
4.4.1 WAFCM算法
4.4.2 WDFCM算法
4.5 粒子群优化的模糊C均值聚类算法(FCMWP)
4.5.1 FCMWP算法原理
4.5.2 FCMWP算法流程
4.6 实验分析
4.7 小结
结论
参考文献
攻读硕士学位期间取得的研究成果
致谢