| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 聚类的国内外研究综述 | 第9-10页 |
| 1.2.1 聚类简介 | 第9页 |
| 1.2.2 主要研究方向 | 第9-10页 |
| 1.2.3 研究现状 | 第10页 |
| 1.3 本文主要工作 | 第10-11页 |
| 1.4 论文组织安排 | 第11-12页 |
| 第2章 聚类分析 | 第12-26页 |
| 2.1 聚类的基本概念 | 第12-21页 |
| 2.1.1 聚类的定义和过程 | 第12-13页 |
| 2.1.2 数据类型 | 第13-17页 |
| 2.1.3 常见的距离度量函数 | 第17-18页 |
| 2.1.4 数据结构 | 第18-19页 |
| 2.1.5 准则函数 | 第19-21页 |
| 2.1.6 聚类的评价标准 | 第21页 |
| 2.2 聚类算法分类 | 第21-25页 |
| 2.2.1 划分法 | 第22-23页 |
| 2.2.2 层次法 | 第23-24页 |
| 2.2.3 基于密度的方法 | 第24页 |
| 2.2.4 基于网格的方法 | 第24-25页 |
| 2.2.5 基于模型的方法 | 第25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 k-means算法以及几种多中心聚类算法 | 第26-37页 |
| 3.1 k-means算法 | 第26-29页 |
| 3.1.1 算法思想及步骤 | 第26-27页 |
| 3.1.2 k-means算法的优缺点及相关改进算法 | 第27-29页 |
| 3.2 两种经典多中心聚类算法 | 第29-32页 |
| 3.2.1 CURE算法 | 第29-31页 |
| 3.2.2 DBSCAN算法 | 第31-32页 |
| 3.3 采用分割合并思想的聚类算法 | 第32-36页 |
| 3.3.1 K-MeanSCAN算法 | 第32-33页 |
| 3.3.2 MPH算法 | 第33-34页 |
| 3.3.3 FCBRP算法 | 第34-35页 |
| 3.3.4 MulCA算法 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于局部密度及连通点的多中心聚类算法 | 第37-55页 |
| 4.1 算法详述 | 第37-39页 |
| 4.1.1 算法要解决的问题 | 第38页 |
| 4.1.2 本文算法思想与步骤 | 第38-39页 |
| 4.2 一种基于局部密度的聚类中心选取算法(ASCC) | 第39-40页 |
| 4.3 基于连通点的小簇合并算法 | 第40-43页 |
| 4.4 基于局部密度及连通点的多中心聚类算法 | 第43-44页 |
| 4.5 实验分析 | 第44-54页 |
| 4.5.1 聚类中心选取算法有效性验证(IMCCA) | 第44-50页 |
| 4.5.2 小簇合并算法的实验验证 | 第50-52页 |
| 4.5.3 IMCCA算法的实验评价 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 总结和下一步的工作 | 第55-57页 |
| 5.1 本文总结 | 第55页 |
| 5.2 下一步的工作 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读项士学位期间发表学术论文情况 | 第62页 |
