| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 研究背景 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 基于抽样的大数据聚类研究现状 | 第12-13页 |
| 1.2.2 基于分块的大数据聚类研究现状 | 第13-14页 |
| 1.2.3 基于模糊聚类的大数据聚类研究背景 | 第14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 第2章 聚类研究与分析 | 第16-26页 |
| 2.1 聚类的基本概念 | 第16-18页 |
| 2.1.1 聚类的定义 | 第16页 |
| 2.1.2 聚类的作用 | 第16页 |
| 2.1.3 聚类的过程 | 第16-17页 |
| 2.1.4 聚类的发展历程 | 第17-18页 |
| 2.2 常用的标准化方法 | 第18-19页 |
| 2.2.1 原始数据表示 | 第18页 |
| 2.2.2 标准化方法 | 第18-19页 |
| 2.3 距离度量方法 | 第19-20页 |
| 2.3.1 欧氏距离 | 第19页 |
| 2.3.2 闵式距离 | 第19-20页 |
| 2.3.3 余弦距离 | 第20页 |
| 2.3.4 马氏距离 | 第20页 |
| 2.3.5 切比雪夫距离 | 第20页 |
| 2.4 评价标准 | 第20-24页 |
| 2.4.1 改进的F-Measure | 第20-22页 |
| 2.4.2 Accuracy | 第22页 |
| 2.4.3 NMI(Normalized Mutual Information) | 第22-23页 |
| 2.4.4 RI(Rand Index) | 第23-24页 |
| 2.5 聚类算法分类 | 第24-25页 |
| 2.5.1 划分聚类 | 第24页 |
| 2.5.2 层次聚类 | 第24-25页 |
| 2.5.3 基于密度的聚类 | 第25页 |
| 2.5.4 基于网格的聚类 | 第25页 |
| 2.5.5 基于模型的聚类 | 第25页 |
| 2.6 小结 | 第25-26页 |
| 第3章 大数据下的聚类分析与研究 | 第26-32页 |
| 3.1 硬聚类算法 | 第26-28页 |
| 3.1.1 基于采样的大数据聚类算法CLARA算法 | 第26-27页 |
| 3.1.2 基于多中心点的大数据聚类算法CURE算法 | 第27-28页 |
| 3.1.3 基于数据结构转换的大数据聚类算法BIRCH算法 | 第28页 |
| 3.2 模糊聚类算法 | 第28-31页 |
| 3.2.1 FCM算法 | 第28-29页 |
| 3.2.2 加权的FCM算法 | 第29-30页 |
| 3.2.3 单通道FCM算法 | 第30-31页 |
| 3.2.4 在线FCM算法 | 第31页 |
| 3.3 小结 | 第31-32页 |
| 第4章 基于加权的IMMFC算法 | 第32-42页 |
| 4.1 算法概述 | 第32-35页 |
| 4.1.1 目标函数 | 第32-33页 |
| 4.1.2 目标函数的优化 | 第33-35页 |
| 4.1.3 算法的基本步骤 | 第35页 |
| 4.2 初始化 | 第35-37页 |
| 4.2.1 初始化相关参数 | 第36页 |
| 4.2.2 初始化中心点和模糊矩阵 | 第36-37页 |
| 4.3 更新中心点和模糊矩阵 | 第37页 |
| 4.4 基于加权的IMMFC算法 | 第37-40页 |
| 4.5 算法复杂度 | 第40-41页 |
| 4.6 小结 | 第41-42页 |
| 第5章 实验评估 | 第42-48页 |
| 5.1 数据集 | 第42页 |
| 5.2 评估策略 | 第42-43页 |
| 5.3 实验 | 第43-44页 |
| 5.4 结果评估 | 第44-46页 |
| 5.5 参数分析 | 第46-47页 |
| 5.6 小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54页 |
