|
基于PSO的空间数据聚类模型及其应用 |
|
论文目录 |
|
摘要 | 第1-3页 | ABSTRACT | 第3-7页 | 1 绪论 | 第7-13页 | ·选题背景 | 第7-9页 | ·研究现状 | 第9-11页 | ·选题意义 | 第11-12页 | ·研究内容 | 第12-13页 | 2 改进的K- means算法 | 第13-20页 | ·聚类算法的基本思想 | 第13-14页 | ·相似性度量 | 第13-14页 | ·K- means均值聚类算法 | 第14-15页 | ·K- means算法建模 | 第15-16页 | ·数据样本的初始中心点选取算法 | 第16-17页 | ·对初始中心点及评价函数改进的K- means算法 | 第17-18页 | ·均衡化评价函数 | 第17页 | ·改进的K- means算法 | 第17-18页 | ·在低维数据集上的测试及结果分析 | 第18-19页 | ·结束语 | 第19-20页 | 3 基于PSO的K 均值高维数据聚类算法 | 第20-29页 | ·算法的发展 | 第20页 | ·基于PSO的K 均值聚类算法 | 第20-22页 | ·PSO算法 | 第21页 | ·增强算法聚类能力 | 第21页 | ·加权值的均衡化评价函数 | 第21-22页 | ·K_(m,n)PSO聚类算法流程 | 第22-24页 | ·高维数据集测试与结果分析 | 第24-27页 | ·全国各城市主要空气质量指标数据测试 | 第24-25页 | ·未成年人人体数据集上的测试 | 第25-26页 | ·500 名男子人体数据集上的测试 | 第26-27页 | ·两种算法的比较 | 第27页 | ·结束语 | 第27-29页 | 4 基于PSO的空间数据聚类算法在高维数据集上的应用 | 第29-34页 | ·维分组降维方法 | 第29-30页 | ·数据集降维处理 | 第30-32页 | ·一个定理 | 第31页 | ·实例 | 第31-32页 | ·数据降维应用 | 第32-34页 | 5 结论与展望 | 第34-36页 | 参考文献 | 第36-42页 | 攻读硕士期间发表的论文目录 | 第42-45页 | 致谢 | 第45页 |
|
|
|