改进的模糊C均值聚类与连续属性离散化算法研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·数据挖掘概述 | 第8-12页 |
| ·数据挖掘的定义 | 第8-9页 |
| ·数据挖掘的方法和技术 | 第9-11页 |
| ·数据挖掘的任务 | 第11-12页 |
| ·数据挖掘的应用 | 第12页 |
| ·连续属性离散化 | 第12-16页 |
| ·基本概念 | 第12-13页 |
| ·主要的离散化方法 | 第13-15页 |
| ·国内外研究现状 | 第15-16页 |
| ·模糊聚类 | 第16-17页 |
| ·基本概念 | 第16页 |
| ·主要方法 | 第16页 |
| ·国内外研究现状 | 第16-17页 |
| ·研究内容与论文组织 | 第17-18页 |
| ·论文的研究内容 | 第17页 |
| ·论文的组织 | 第17-18页 |
| 第二章 模糊聚类与粗糙集理论中的相关性 | 第18-22页 |
| ·模糊聚类 | 第18-19页 |
| ·模糊理论 | 第18页 |
| ·模糊集合 | 第18-19页 |
| ·模糊C 均值算法 | 第19页 |
| ·粗糙集理论中的相关性 | 第19-21页 |
| ·本章小节 | 第21-22页 |
| 第三章 基于大密度区域的模糊聚类算法 | 第22-34页 |
| ·引言 | 第22-23页 |
| ·模糊C 均值聚类（FCM）算法分析 | 第23-24页 |
| ·改进的FCM 聚类算法 | 第24-29页 |
| ·利用密度函数确定初始聚类中心 | 第24-27页 |
| ·引入改进隶属度函数 | 第27-28页 |
| ·改进的FCM 算法 | 第28-29页 |
| ·实验结果分析 | 第29-32页 |
| ·初始聚类中心实验结果 | 第29-30页 |
| ·实际数据型数据分类实验结果 | 第30页 |
| ·算法抗噪性能实验结果 | 第30-31页 |
| ·天体光谱数据聚类效果实验 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 基于改进模糊聚类的离散化算法 | 第34-40页 |
| ·引言 | 第34-35页 |
| ·基于DCFCM 的离散化算法（软划分） | 第35-36页 |
| ·实验结果分析 | 第36-38页 |
| ·UCI 数据集离散化测试 | 第36-37页 |
| ·天体光谱数据集离散化测试 | 第37-38页 |
| ·结束语 | 第38-40页 |
| 第五章 总结与展望 | 第40-42页 |
| ·总结 | 第40页 |
| ·展望 | 第40-42页 |
| 参考文献 | 第42-46页 |
| 致谢 | 第46-48页 |
| 研究生期间发表的文章及参与项目 | 第48-50页 |
| 个人简介及联系方式 | 第50-51页 |
