| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·本文的工作和目的 | 第13-14页 |
| ·本文内容和论文组织 | 第14-16页 |
| 第二章 数据挖掘和聚类分析 | 第16-30页 |
| ·数据挖掘相关概念 | 第16-17页 |
| ·数据挖掘算法 | 第17-21页 |
| ·C4.5 算法 | 第17-18页 |
| ·K 均值聚类算法 | 第18页 |
| ·支持向量机 | 第18-19页 |
| ·The Apriori algorithm | 第19-20页 |
| ·最大期望算法 | 第20页 |
| ·K-近邻法 | 第20-21页 |
| ·朴素贝叶斯 | 第21页 |
| ·数据挖掘的基本流程 | 第21-23页 |
| ·聚类分析 | 第23-29页 |
| ·对聚类分析算法的典型要求 | 第23-24页 |
| ·聚类算法的度量 | 第24-26页 |
| ·系统聚类法 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于马氏距离和灰色关联分析的缺失值填补算法 | 第30-47页 |
| ·马氏距离 | 第30-31页 |
| ·灰色分析 | 第31-34页 |
| ·灰色系统理论的产生和发展 | 第31-32页 |
| ·灰色关联分析模型 | 第32-33页 |
| ·灰色关联度和灰色关联系数 | 第33-34页 |
| ·K 近邻算法 | 第34-35页 |
| ·传统基于 K 近邻算法的缺失数据填补 | 第35-43页 |
| ·传统 KNN 填补算法简介和计算步骤 | 第35-36页 |
| ·传统 KNN 填补算法应用事例 | 第36-43页 |
| ·填补缺失数据的 MGNN 算法 | 第43-46页 |
| ·MGNN 算法简介和计算步骤 | 第43-44页 |
| ·MGNN 填补算法应用事例 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于聚类分析的 ADGMKNN 算法 | 第47-69页 |
| ·缺失值的分类 | 第47-48页 |
| ·完全随机缺失 | 第47-48页 |
| ·随机缺失 | 第48页 |
| ·非完全随机缺失 | 第48页 |
| ·填补缺失数据的 ADGMKNN 算法 | 第48-50页 |
| ·实验结果及分析 | 第50-68页 |
| ·针对缺失一个数据的情况 | 第50-54页 |
| ·针对缺失一部分数据的情况 | 第54-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·总结 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间的研究成果 | 第77页 |