| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| 1．1 论文的研究背景及选题意义 | 第9-10页 |
| 1．2 国内外现状综述 | 第10-12页 |
| 1．3 论文的研究内容 | 第12-14页 |
| 2 数据挖掘技术中的聚类分析 | 第14-31页 |
| 2．1 数据挖掘技术 | 第14-18页 |
| 2．1．1 数据挖掘概念 | 第14-15页 |
| 2．1．2 数据挖掘的分类 | 第15-16页 |
| 2．1．3 数据挖掘的过程 | 第16-17页 |
| 2．1．4 数据挖掘的主要问题 | 第17-18页 |
| 2．2 聚类的概念及形式描述 | 第18-19页 |
| 2．3 聚类分析中的数据类型 | 第19-20页 |
| 2．4 聚类分析中的相似度度量方法 | 第20-22页 |
| 2．5 潜在应用对聚类算法提出的特别要求 | 第22-23页 |
| 2．6 聚类分析中的聚类准则函数 | 第23-26页 |
| 2．7 数据挖掘中的聚类分析算法 | 第26-30页 |
| 2．7．1 划分聚类算法 | 第26-27页 |
| 2．7．2 层次聚类算法 | 第27-28页 |
| 2．7．3 基于密度的聚类算法 | 第28-29页 |
| 2．7．4 基于网格的聚类算法 | 第29页 |
| 2．7．5 基于模型的方法 | 第29-30页 |
| 2．7．6 模糊聚类方法 | 第30页 |
| 2．8 小结 | 第30-31页 |
| 3 聚类算法DBSCAN的分析与研究 | 第31-47页 |
| 3．1 DBSCAN算法简介 | 第31-33页 |
| 3．1．1 算法思想 | 第31-32页 |
| 3．1．2 算法框架 | 第32-33页 |
| 3．2 DBSCAN算法局限性分析 | 第33-35页 |
| 3．3 DBSCAN算法的改进 | 第35-42页 |
| 3．3．1 DBSCAN已有的一些改进 | 第35-36页 |
| 3．3．2 DBSCAN算法的改进思路 | 第36-37页 |
| 3．3．3 数据划分——网格的产生 | 第37-41页 |
| 3．3．4 网格分配算法 | 第41页 |
| 3．3．5 基于数据划分的并行DBSCAN算法 | 第41-42页 |
| 3．4 DBSCAN算法中的增量聚类分析 | 第42-45页 |
| 3．4．1 数据元素的增加 | 第43-44页 |
| 3．4．2 数据对象的删除 | 第44-45页 |
| 3．5 实验结果 | 第45-46页 |
| 3．6 小结 | 第46-47页 |
| 4 K-means聚类算法的初值选取方法研究 | 第47-58页 |
| 4．1 K-means算法简介 | 第47-48页 |
| 4．2 使用误差平方和准则函数的K-means算法 | 第48页 |
| 4．3 K-means算法的特点和面临的主要问题 | 第48-50页 |
| 4．4 K-means聚类算法中聚类结果对初始聚类中心的依赖 | 第50-51页 |
| 4．5 选取K个初始聚类中心点的现有方法 | 第51-52页 |
| 4．6 改进的初始聚类中心选取方法 | 第52-55页 |
| 4．6．1 初始聚类中心的选取 | 第52-55页 |
| 4．6．2 改进初值选取方法后的K-means算法 | 第55页 |
| 4．7 实验结果 | 第55-57页 |
| 4．8 小结 | 第57-58页 |
| 5 聚类在重庆医药公司药品销售数据中的应用 | 第58-63页 |
| 5．1 聚类的应用领域 | 第58页 |
| 5．2 聚类目标 | 第58-59页 |
| 5．3 药品销售数据的预处理和标准化 | 第59-61页 |
| 5．4 药品销售数据聚类过程描述 | 第61-62页 |
| 5．5 小结 | 第62-63页 |
| 6 论文总结 | 第63-65页 |
| 6．1 论文的主要工作 | 第63页 |
| 6．2 进一步努力的方向 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-67页 |
