基於群智慧型最佳化理論的若干聚類改進方法及套用研究

內容簡介

伴隨著大數據時代的到來，信息爆炸產生了海量數據，雲計算、物聯網以及移動網際網路滲透到人們日常生活的各個領域，網際網路金融、電子商務、信息科技等先進科技領域無時無刻不在產生數據。數據結構越來越複雜，數據形式越來越多樣，深度挖掘海量數據中隱含的信息成為大數據時代經濟管理髮展的迫切需求。聚類是數據挖掘的重要方法，面對海量數據，提取有價值信息。本書是作者攻讀博士期間科研成果的總結，全書共分為6章，重點針對密度峰值聚類方法進行若干理論改進與套用研究，並將其套用於實際生活各個領域，取得了令人滿意的結果。

圖書目錄

目錄
前言
第1章緒論 1
1.1 研究背景及研究意義 1
1.1.1 研究背景 1
1.1.2 研究意義 2
1.2 研究思路及研究內容 3
1.2.1 研究思路 3
1.2.2 研究內容 4
1.3 研究技術路線及研究方法 5
1.3.1 研究技術路線 5
1.3.2 研究方法 6
第2章基礎理論及國內外研究現狀 8
2.1 群智慧型最佳化理論概述 8
2.1.1 群智慧型最佳化理論內涵 8
2.1.2 主要群智慧型方法 9
2.1.3 測試函式 13
2.2 聚類理論概述 20
2.2.1 聚類理論內涵 20
2.2.2 主要聚類方法 20
2.2.3 聚類評價指標 29
2.2.4 主要相似度度量方法 31
2.3 國內外研究現狀 33
2.3.1 研究現狀 33
2.3.2 目前研究的不足 37
2.4 本章小結 37
第3章基於改進果蠅最佳化的密度峰值聚類方法及套用 38
3.1 原始果蠅最佳化方法 38
3.1.1 理論模型 38
3.1.2 方法流程 38
3.2 基於知識學習的果蠅最佳化方法 40
3.2.1 理論模型 40
3.2.2 知識學習策略 41
3.2.3 方法流程 42
3.2.4 仿真模擬實驗 43
3.3 基於改進果蠅最佳化的密度峰值聚類方法 49
3.3.1 理論模型 49
3.3.2 仿真模擬實驗 49
3.4 基於改進果蠅最佳化的密度峰值聚類方法的實際套用 54
3.4.1 研究背景 54
3.4.2 數據分析 54
3.5 本章小結 57
第4章基於改進布穀鳥最佳化的密度峰值聚類方法及套用 58
4.1 原始布穀鳥最佳化方法 58
4.1.1 理論模型 58
4.1.2 方法流程 60
4.2 基於動態發現機率的布穀鳥最佳化方法 62
4.2.1 理論模型 62
4.2.2 方法流程 62
4.2.3 仿真模擬實驗 64
4.3 基於改進布穀鳥最佳化的密度峰值聚類方法 71
4.3.1 理論模型 71
4.3.2 仿真模擬實驗 72
4.4 基於改進布穀鳥最佳化的密度峰值聚類方法的實際套用 76
4.4.1 研究背景 76
4.4.2 數據分析 76
4.5 本章小結 78
第5章基於智慧型選擇最佳化的密度峰值聚類方法及套用 79
5.1 基於智慧型選擇的最佳化方法 79
5.1.1 理論模型 79
5.1.2 方法流程 80
5.1.3 仿真模擬實驗 82
5.2 基於智慧型選擇最佳化的密度峰值聚類方法 87
5.2.1 方法描述 87
5.2.2 方法流程 87
5.2.3 仿真模擬實驗 89
5.3 基於智慧型選擇最佳化的密度峰值聚類方法的實際套用 102
5.3.1 研究背景 102
5.3.2 數據分析 103
5.4 本章小結 104
第6章結論與展望 105
6.1 研究結論及創新點 105
6.1.1 研究結論 105
6.1.2 研究創新點 106
6.2 研究局限和未來展望 107
6.2.1 研究局限 107
6.2.2 未來展望 107
參考文獻 109
彩圖

基於群智慧型最佳化理論的若干聚類改進方法及套用研究

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條