文档介绍：签名:..:丝垄日期:测辏辉鹿日期:加独创性声明关于论文使用授权的说明辍菰耹占匿本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含本人为获得江南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。本学位论文作者完全了解江南大学有关保留、使用学位论文的规定;江南大学有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅,可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文,并且本人电子文档的内容和纸质论文的内容相一致保密的学位论文在解密后也遵守此规定·签名:/
摘要数据挖掘是在海量的数据中寻找模式或规则的过程。数据聚类则是数据挖掘中的一项重要技术,是人们认识和探索事物之间内在联系的有效手段,它既可以作为独立的数据挖掘工具,从知识库中获取数据分布的一些深入信息,也可以作为其它数据挖掘算法的预处理步骤,且广泛应用于商务管理、市场分析、工程设计和科学探索等领域。聚类就是将数据对象划分到不同的类或者簇中,使得属于同簇的数据对象相似性尽量小,而不同簇的数据对象相异性尽量大。蚁群算法和粒子群优化算法是群智能理论研究领域的两种主要算法。蚁群算法源于蚂蚁堆积他们的尸体和分类它们的幼体的研究,粒子群算法源于鸟群群体运动行为的研究。作为新兴的演化计算技术,群智能算法已成为越来越多研究者的关注焦点,并被引进到数据聚类领域里且发挥了巨大的作用。但由于蚁群算法和粒子群算法还不够完善,在数据聚类的处理过程中存在智能算法自身的缺陷,导致聚类效果的差强人意,因而如何设计出行之有效的聚类算法将成为群智能理论在聚类领域发展的一个重要课题。针对基本蚁群聚类算法较长时间开销和易产生冗余聚类数目的缺陷,提出了一种聚类邻域自适应调整的多载蚁群算法。算法通过邻域动态自适应调整寻找纯净的邻域,增强蚂蚁记忆体记忆纯净邻域的大小,蚂蚁之间协同交流进行多载整合相似邻域形成最终聚类结果。实验结果表明新算法能有效提高算法效率且取得较好的聚类效果。针对骱途岛突煦缌W尤壕劾嗨惴ǖ挠湃钡悖疚奶岢隽恕秩诤螷骱途值的混沌粒子群聚类算法。首先通过骱途捣椒ò蚜W尤悍殖扇舾筛鲎尤禾澹个粒子根据其个体极值和所在子种群的全局极值来更新位置。其次,算法中引入变尺度混沌变异,抑制了早熟收敛,提高了计算精度。实验证明,该算法可以有效避免算法陷入局部最优,在保证收敛速度的同时增强了算法全局搜索能力,明显改善了聚类效果。关键词:数据挖掘,聚类,蚁群算法,粒子群算法,调和均值,混沌优化
.琯,嬲.,疭,,猯...,.,琧瓺嬲,鹤,,、部膒瑆誴..瓵瑂,.猯琣、航.:琍,狧.,
录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯国内外研究现状及发展趋势⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...蠢捶⒄骨魇啤本文的研究内容和结构安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..数据挖掘⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.算法改进⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..—策略改进⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.仿真实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..............⋯..⋯..⋯..⋯..⋯⋯....⋯⋯.⋯.⋯⋯⋯....论文的研究背景及选题意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯..:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..相关概念⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...涣鳌.
.菊陆崧邸第四章融合调和均值的混沌粒子群聚类算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.算法思想⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..粒子群聚类算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..坏骱途邓惴ā混沌优化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..算法改进⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯仿真实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯