目录 第一章 引言 ......................................................................................................................................................... 8 1.1 什么激发数据挖掘？为什么它是重要的？.............................................................

数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

传统K-means算法对初始聚类中心的选取和样本的输入顺序非常敏感，容易陷入局部最优。针对上述问题，提出了一种基于遗传算法的K-means聚类算法GKA，将K-means算法的局部寻优能力与遗传算法的全局寻优能力相结合，通过多次选择、交叉、变异的遗传操作，最终得到最优的聚类数和初始质心集，克服了传统K-means算法的局部性和对初始聚类中心的敏感性。

针对生鲜商品物流配送优化研究在对客户需求时间窗和生鲜商品温度控制合理结合方面存在的不足,考虑生鲜商品存在配送时效性强的特征,构建生鲜商品配送的物流成本和生鲜商品价值损失最小的双目标优化模型.首先,建立包含生鲜配送车辆的运输成本、温控成本、违反时间窗的惩罚成本的物流成本模型,并建立基于温度控制的生鲜价值损失模型;然后,根据模型特点设计考虑客户空间位置、需求商品温度控制和时间窗约束的改进K-means聚类算法,进而提出一种GA-TS混合算法,该算法结合遗传算法(GA)的全局搜索能力和禁忌搜索算法(T