| 目录 | 第1-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景和意义 | 第12-13页 |
| ·数据挖掘 | 第13-16页 |
| ·数据挖掘概念及其过程 | 第13-14页 |
| ·数据挖掘的主要算法 | 第14-16页 |
| ·本文研究内容 | 第16-17页 |
| ·本文组织结构 | 第17-18页 |
| 第2章 模糊聚类算法 | 第18-23页 |
| ·模糊聚类算法 | 第18-19页 |
| ·常用模糊聚类算法 | 第19-22页 |
| ·模糊C-均值聚类算法 | 第19-20页 |
| ·核模糊C-均值聚类算法 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于马氏距离的改进模糊C-均值聚类 | 第23-29页 |
| ·马氏距离概述和研究方法 | 第23-25页 |
| ·马氏距离的概述 | 第23页 |
| ·马氏距离定义 | 第23页 |
| ·马氏距离中奇异问题的解决 | 第23-25页 |
| ·马氏距离在模糊聚类中的应用 | 第25-28页 |
| ·基于马氏距离的改进模糊C-均值聚类 | 第25-27页 |
| ·实验验证 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 基于人工萤火虫的模糊聚类算法研究 | 第29-38页 |
| ·群智能算法 | 第29-31页 |
| ·群智能算法简介 | 第29页 |
| ·几种常见的群智能算法 | 第29-31页 |
| ·人工萤火虫算法 | 第31-34页 |
| ·人工萤火虫算法研究现状 | 第31-32页 |
| ·人工萤火虫算法 | 第32-34页 |
| ·人工萤火虫算法在模糊聚类中的应用 | 第34-37页 |
| ·基于人工萤火虫的FCM算法 | 第34-35页 |
| ·实验结果分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 基于GIML的过程工业数据挖掘的GSFM算法研究 | 第38-49页 |
| ·流行学习简介 | 第38-39页 |
| ·ISOMAP法 | 第38页 |
| ·LLE方法 | 第38-39页 |
| ·LTSA法 | 第39页 |
| ·局部平滑性的通用增量流形GIML法 | 第39页 |
| ·局部平滑结构的通用增量流形学习(GIML)算法 | 第39-41页 |
| ·基于GIML-GSFM算法 | 第41-43页 |
| ·基于人工萤火虫的FCM算法(GSFM) | 第41-42页 |
| ·基于局部平滑性的通用增量流形的GSFM算法 | 第42-43页 |
| ·实验结果分析 | 第43-48页 |
| ·UCI数据集 | 第43-44页 |
| ·TE数据集 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 结论与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 附录 攻读硕士学位期间所发表的学术论文 | 第55页 |