| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景及研究意义 | 第9-11页 |
| ·研究现状 | 第11-13页 |
| ·机器学习 | 第11-12页 |
| ·知识发现 | 第12-13页 |
| ·论文的主要研究内容 | 第13-14页 |
| ·论文结构 | 第14-16页 |
| 第二章 机器学习和知识发现概述 | 第16-29页 |
| ·机器学习概述 | 第16-21页 |
| ·机器学习 | 第16-17页 |
| ·机器学习模型 | 第17-18页 |
| ·机器学习目标 | 第18-19页 |
| ·机器学习分类 | 第19-20页 |
| ·机器学习小结 | 第20-21页 |
| ·知识发现概述 | 第21-28页 |
| ·知识发现 | 第21-22页 |
| ·知识发现过程 | 第22-23页 |
| ·知识发现任务 | 第23-24页 |
| ·知识发现对象 | 第24-26页 |
| ·知识发现的主要问题 | 第26-27页 |
| ·知识发现小结 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 数据预处理方法研究 | 第29-52页 |
| ·流形的概念 | 第29-30页 |
| ·线性维数约减方法 | 第30-36页 |
| ·主成分分析PCA | 第30-33页 |
| ·经典多维尺度分析CMDS | 第33-35页 |
| ·线性维数约减方法小结 | 第35-36页 |
| ·非线性维数约减方法 | 第36-42页 |
| ·等距映射Isomap | 第36-37页 |
| ·局域线性嵌入LLE | 第37-39页 |
| ·自组织等距嵌入SIE | 第39-42页 |
| ·非线性维数约减方法小结 | 第42页 |
| ·可预知增量式嵌入算法PrePIE | 第42-51页 |
| ·算法思想 | 第42-44页 |
| ·算法框架 | 第44页 |
| ·算法流程 | 第44-46页 |
| ·复杂性分析 | 第46-47页 |
| ·实验结果 | 第47-50页 |
| ·算法讨论 | 第50-51页 |
| ·PrePIE 算法小结 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于构建密度树的聚类方法研究 | 第52-77页 |
| ·基于划分的聚类方法 | 第52-54页 |
| ·K 平均算法 | 第52-53页 |
| ·K 中心点算法 | 第53-54页 |
| ·基于层次的聚类方法 | 第54-57页 |
| ·CURE 算法 | 第54-55页 |
| ·BIRCH 算法 | 第55-56页 |
| ·Chameleon 算法 | 第56-57页 |
| ·基于网格的方法 | 第57-59页 |
| ·统计信息网格STING | 第57-58页 |
| ·高维空间聚类CLIQUE | 第58-59页 |
| ·用小波变换聚类WaveCluster | 第59页 |
| ·基于模型的方法 | 第59-61页 |
| ·统计学习方法 | 第60页 |
| ·神经网络方法 | 第60-61页 |
| ·基于密度的方法 | 第61-66页 |
| ·DBSCAN 算法 | 第62-63页 |
| ·OPTICS 算法 | 第63-64页 |
| ·DENCLUE 算法 | 第64-65页 |
| ·DILC 算法 | 第65-66页 |
| ·基于构建密度树聚类算法CABDET | 第66-76页 |
| ·算法思想 | 第66-67页 |
| ·算法框架 | 第67-68页 |
| ·相关概念 | 第68-70页 |
| ·算法流程 | 第70-72页 |
| ·算法复杂性分析 | 第72页 |
| ·实验结果 | 第72-74页 |
| ·算法讨论 | 第74-75页 |
| ·CABDET 算法小结 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 第五章 基于局域计算的层次化密度树聚类方法研究 | 第77-89页 |
| ·LOCHDET 算法思想 | 第77-78页 |
| ·LOCHDET 算法框架 | 第78-79页 |
| ·相关概念 | 第79页 |
| ·LOCHDET 算法流程 | 第79-83页 |
| ·LOCHDET 算法复杂性分析 | 第83-84页 |
| ·LOCHDET 算法实验结果 | 第84-85页 |
| ·LOCHDET 算法讨论 | 第85-87页 |
| ·LOCHDET 算法小结 | 第87-88页 |
| ·本章小结 | 第88-89页 |
| 第六章 数据预处理及聚类方法在文本处理中的应用研究 | 第89-102页 |
| ·模式评估 | 第89-90页 |
| ·文本处理 | 第90-91页 |
| ·向量空间模型（VSM） | 第91-93页 |
| ·文本聚类结果的评价方法 | 第93-94页 |
| ·实验设计与结果分析 | 第94-101页 |
| ·实验设计 | 第94-97页 |
| ·实验结果与分析 | 第97-101页 |
| ·本章小结 | 第101-102页 |
| 第七章 结论与展望 | 第102-105页 |
| 参考文献 | 第105-112页 |
| 发表论文和科研情况说明 | 第112-113页 |
| 致谢 | 第113页 |