声明
摘要
引言
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文研究的内容及结构
1.3.1 本文研究的内容
1.3.2 本文结构
第二章 数据挖掘以及聚类算法概述
2.1 数据挖掘概述
2.2 数据挖掘方法
2.3 聚类算法概述
2.3.1 聚类算法的基本概念
2.3.2 聚类算法的定义
2.3.3 聚类的相似性度量
2.4 聚类分析的主要算法
2.4.1 划分方法(Partitioning Method)
2.4.2 层次方法(Hierarchical Method)
2.4.3 基于密度的方法(Density-based Method)
2.4.4 基于网格的方法(Grid-based Method)
2.4.5 基于模型的方法(Model-based Method)
2.4.6 其他聚类方法
第三章 优化算法以及蚁群算法
3.1 优化算法概述
3.2 蚁群算法概述
3.3 基于蚁群觅食原理的蚁群算法
3.4 基于蚁堆形成原理的蚁群算法
3.4.1 蚁堆算法概念
3.4.2 蚁堆算法的流程
第四章 蚁群算法和基于划分的DBSCAN算法结合
4.1 DBSCAN(A density-based)聚类算法
4.2 基于划分的DBSCAN算法PDBSCAN(Partitioning-based DBSCAN algorithm)
4.2.1 合并聚类结果
4.2.2 将噪声点合并到簇
4.2.3 合并噪声点
4.3 PDBSCAN聚类算法的缺点
4.4 结合蚁群算法的基于密度划分DBSCAN聚类算法
4.4.1 基于点密度的划分方法
4.4.2 基于改进的蚁群算法的划分方法
4.4.3 结合蚁群算法的基于密度划分DBSCAN聚类算法(PACA-DBSCAN)
4.5 试验结果及分析
4.5.1 数据集
4.5.2 实验结果
第五章 结束语
参考文献
致谢
在学期间公开发表著作和论文情况