0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: 图书分类 > 信息技术 > 软件开发与程序设计 > 基于群智能优化理论的若干聚类改进方法及应用研究

相同语种的商品

销售排行榜

浏览历史

基于群智能优化理论的若干聚类改进方法及应用研究


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
基于群智能优化理论的若干聚类改进方法及应用研究
  • 书号：9787030565709
    作者：周瑞红
  • 外文书名：
  • 装帧：平装
    开本：16
  • 页数：119
    字数：181000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2018-05-01
  • 所属分类：
  • 定价： ￥59.00元
    售价： ￥46.61元
  • 图书介质:
    按需印刷

  • 购买数量： 件  缺货，请选择其他介质图书！
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

伴随着大数据时代的到来，信息爆炸产生了海量数据，云计算、物联网以及移动互联网渗透到人们日常生活的各个领域，互联网金融、电子商务、信息科技等先进科技领域无时无刻不在产生数据。数据结构越来越复杂，数据形式越来越多样，深度挖掘海量数据中隐含的信息成为大数据时代经济管理发展的迫切需求。聚类是数据挖掘的重要方法，面对海量数据，提取有价值信息。本书是作者攻读博士期间科研成果的总结，全书共分为6章，重点针对密度峰值聚类方法进行若干理论改进与应用研究，并将其应用于实际生活各个领域，取得了令人满意的结果。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    前言
    第1章 绪论 1
    1.1 研究背景及研究意义 1
    1.1.1 研究背景 1
    1.1.2 研究意义 2
    1.2 研究思路及研究内容 3
    1.2.1 研究思路 3
    1.2.2 研究内容 4
    1.3 研究技术路线及研究方法 5
    1.3.1 研究技术路线 5
    1.3.2 研究方法 6
    第2章 基础理论及国内外研究现状 8
    2.1 群智能优化理论概述 8
    2.1.1 群智能优化理论内涵 8
    2.1.2 主要群智能方法 9
    2.1.3 测试函数 13
    2.2 聚类理论概述 20
    2.2.1 聚类理论内涵 20
    2.2.2 主要聚类方法 20
    2.2.3 聚类评价指标 29
    2.2.4 主要相似度度量方法 31
    2.3 国内外研究现状 33
    2.3.1 研究现状 33
    2.3.2 目前研究的不足 37
    2.4 本章小结 37
    第3章 基于改进果蝇优化的密度峰值聚类方法及应用 38
    3.1 原始果蝇优化方法 38
    3.1.1 理论模型 38
    3.1.2 方法流程 38
    3.2 基于知识学习的果蝇优化方法 40
    3.2.1 理论模型 40
    3.2.2 知识学习策略 41
    3.2.3 方法流程 42
    3.2.4 仿真模拟实验 43
    3.3 基于改进果蝇优化的密度峰值聚类方法 49
    3.3.1 理论模型 49
    3.3.2 仿真模拟实验 49
    3.4 基于改进果蝇优化的密度峰值聚类方法的实际应用 54
    3.4.1 研究背景 54
    3.4.2 数据分析 54
    3.5 本章小结 57
    第4章 基于改进布谷鸟优化的密度峰值聚类方法及应用 58
    4.1 原始布谷鸟优化方法 58
    4.1.1 理论模型 58
    4.1.2 方法流程 60
    4.2 基于动态发现概率的布谷鸟优化方法 62
    4.2.1 理论模型 62
    4.2.2 方法流程 62
    4.2.3 仿真模拟实验 64
    4.3 基于改进布谷鸟优化的密度峰值聚类方法 71
    4.3.1 理论模型 71
    4.3.2 仿真模拟实验 72
    4.4 基于改进布谷鸟优化的密度峰值聚类方法的实际应用 76
    4.4.1 研究背景 76
    4.4.2 数据分析 76
    4.5 本章小结 78
    第5章 基于智能选择优化的密度峰值聚类方法及应用 79
    5.1 基于智能选择的优化方法 79
    5.1.1 理论模型 79
    5.1.2 方法流程 80
    5.1.3 仿真模拟实验 82
    5.2 基于智能选择优化的密度峰值聚类方法 87
    5.2.1 方法描述 87
    5.2.2 方法流程 87
    5.2.3 仿真模拟实验 89
    5.3 基于智能选择优化的密度峰值聚类方法的实际应用 102
    5.3.1 研究背景 102
    5.3.2 数据分析 103
    5.4 本章小结 104
    第6章 结论与展望 105
    6.1 研究结论及创新点 105
    6.1.1 研究结论 105
    6.1.2 研究创新点 106
    6.2 研究局限和未来展望 107
    6.2.1 研究局限 107
    6.2.2 未来展望 107
    参考文献 109
    彩图
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com