摘要:聚类是分析数据并从中发现有用信息的一种有效的手段。聚类分析是数据挖掘的一个重要的分支，它通过分析数据的相似程度把数据集合划分成类，使得同一个类里面的数据彼此相似，而不同类中的数据则彼此相异。目前，聚类分析已经在很多领域中被广泛地应用，例如应用在市场研究、模式识别、数据分析和图像处理等。本文首先对聚类分析的研究现状及聚类分析在各个领域应用进行综述。其次对粒子群优化算法和聚类算法的基本思想进行了详细的描述，第三，将粒子群优化算法和聚类算法相结合构造出新的基于粒子群算法的聚类分析算法，并利用MATLAB软件对算法进行了仿真实验，最后将建立的算法在江苏省地级市人口城市化水平的评价中进行应用，从而验证了算法的有效性。基于粒子群算法的聚类分析算法继承了粒子群优化算法的良好的收敛性，使该聚类算法具有更好的收敛效果。

关键词    粒子群算法；聚类算法；MATLAB；人口城市化水平

目录

摘要

Abstract

1 绪论-1

1.1 课题的选题背景和研究现状-1

1.2 课题的研究目的和意义-4

1.3 本论文的主要研究内容及结构组织-4

2 基于粒子群算法的聚类方法-6

2.1 标准粒子群优化算法-6

2.1.1 标准粒子群算法原理-6

2.1.2 粒子群优化算法的优缺点分析-7

2.2 聚类算法研究-8

2.2.1 聚类概述-8

2.2.2 聚类中的数据结构-9

2.2.3 相似度度量与准则函数-9

2.2.4 主要聚类分析方法-11

2.3 基于粒子群的聚类算法-11

2.3.1 理论基础-11

2.3.2 实现步骤-12

3 基于粒子群算法的聚类分析的仿真实验-15

3.1 实验内容-15

3.2 实验结果-15

4 粒子群聚类算法在人口城市化水平中的应用-22

4.1 城市化概述-22

4.2 江苏省城市化城镇人口比重-22

4.3 验证粒子群聚类算法的有效性-23

4.3.1 实验内容-23

4.3.2 实验结果-23

结论-25

致谢-26

参考文献-27

附录-28