| 提要 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 引言 | 第14页 |
| 1.2 数据挖掘 | 第14-15页 |
| 1.3 研究现状 | 第15-20页 |
| 1.3.1 聚类算法研究现状 | 第16-18页 |
| 1.3.2 粗糙集算法研究现状 | 第18-20页 |
| 1.3.3 预测算法研究现状 | 第20页 |
| 1.4 本文的主要工作 | 第20-21页 |
| 1.5 本文的主要框架 | 第21-22页 |
| 1.6 本章小节 | 第22-24页 |
| 第2章 聚类和粗糙集理论基础 | 第24-40页 |
| 2.1 聚类算法 | 第24-33页 |
| 2.1.1 聚类分析的概念 | 第24-25页 |
| 2.1.2 聚类分析的数据模型 | 第25-26页 |
| 2.1.3 主要的聚类算法 | 第26-29页 |
| 2.1.4 聚类算法的应用 | 第29-33页 |
| 2.2 粗糙集 | 第33-36页 |
| 2.2.1 粗糙集的概念 | 第33页 |
| 2.2.2 粗糙集的两个集合近似 | 第33-34页 |
| 2.2.3 粗糙集的应用 | 第34-36页 |
| 2.3 其他理论知识 | 第36-38页 |
| 2.4 本章小节 | 第38-40页 |
| 第3章 基于粗糙集的模糊聚类研究 | 第40-54页 |
| 3.1 本章概述 | 第40-41页 |
| 3.2 模糊聚类算法 | 第41-42页 |
| 3.3 改进的算法 | 第42-48页 |
| 3.3.1 模糊聚类的缺点 | 第42-43页 |
| 3.3.2 模糊聚类和粗糙集相结合 | 第43-45页 |
| 3.3.3 改进后的算法 | 第45-46页 |
| 3.3.4 改进后的算法流程 | 第46-47页 |
| 3.3.5 研究意义 | 第47-48页 |
| 3.4 实验 | 第48-53页 |
| 3.4.1 数据预处理 | 第48-50页 |
| 3.4.2 确定类数 K | 第50-51页 |
| 3.4.3 基于粗糙集的模糊聚类 | 第51-52页 |
| 3.4.4 实验结果 | 第52-53页 |
| 3.5 本章小节 | 第53-54页 |
| 第4章 基于粗糙集的聚类算法在社会网络中的应用 | 第54-62页 |
| 4.1 本章概述 | 第54页 |
| 4.2 聚类算法简介 | 第54-55页 |
| 4.3. 社会网络简介 | 第55页 |
| 4.4 基于粗糙集的聚类算法应用于社会网络 | 第55-60页 |
| 4.4.1 将 K 均值算法应用于社会网络 | 第55页 |
| 4.4.2 K 均值聚类算法中的缺点 | 第55-56页 |
| 4.4.3 利用粗糙集聚类的思想改进缺点 | 第56-58页 |
| 4.4.4 改进后的具体算法 | 第58-60页 |
| 4.4.5 研究意义 | 第60页 |
| 4.5 实验过程及结果 | 第60-61页 |
| 4.6 本章小节 | 第61-62页 |
| 第5章 基于粗糙集聚类的预测模型 | 第62-72页 |
| 5.1 本章概述 | 第62-63页 |
| 5.2 基于 PCA-RKM-BP 预测模型 | 第63-67页 |
| 5.2.1 BP 神经网络及其缺点 | 第63页 |
| 5.2.2 改进后的算法 | 第63-66页 |
| 5.2.3 PCA-RKM-BP 模型 | 第66-67页 |
| 5.3 PCA-RKM-BP 预测模型在消费数据中的预测 | 第67-70页 |
| 5.3.1 主成分分析 | 第68页 |
| 5.3.2 RKM 聚类 | 第68-69页 |
| 5.3.3 预测模型及其结果 | 第69-70页 |
| 5.4 实验结论 | 第70-71页 |
| 5.5 本章小节 | 第71-72页 |
| 第6章 基于改进聚类和 RBF 神经网络相结合的预测模型 | 第72-82页 |
| 6.1 本章概述 | 第72-73页 |
| 6.2 改进的聚类算法 | 第73-78页 |
| 6.2.1 K 均值算法和粗糙集理论 | 第73-74页 |
| 6.2.2 利用粗糙集的思想改进 K 均值聚类 | 第74-77页 |
| 6.2.3 改进的聚类算法在 IRIS 上的实验 | 第77-78页 |
| 6.3 改进的聚类算法与神经网络相结合的预测算法 | 第78-80页 |
| 6.4 该预测方法在统计数据上的应用 | 第80-81页 |
| 6.5 本章小节 | 第81-82页 |
| 第7章 总结及展望 | 第82-86页 |
| 7.1 全文总结 | 第82-83页 |
| 7.2 展望 | 第83-86页 |
| 参考文献 | 第86-98页 |
| 作者简介及在学期间所取得的科研成果 | 第98-100页 |
| 致谢 | 第100页 |