动态聚类算法及其在医学数据上的应用

摘要	第1-5页
Abstract	第5-8页
第1章 绪论	第8-16页
·课题背景	第8-9页
·课题意义	第9-10页
·国内外研究现状	第10-14页
·数据挖掘方法	第10-12页
·医学数据特点	第12页
·聚类分析在数据挖掘中的应用	第12-14页
·本文主要内容和组织结构	第14-16页
第2章 聚类算法研究基础	第16-26页
·距离和相似度度量	第17-19页
·相关聚类算法	第19-23页
·K-means聚类算法	第19-20页
·谱聚类	第20-23页
·聚类的有效性衡量指数	第23-25页
·Rand指数	第23页
·NMI指数	第23-24页
·Silhouette指数	第24-25页
·本章小结	第25-26页
第3章 动态聚类算法	第26-46页
·基于K-MEANS的动态聚类算法	第26-33页
·动态聚类模型思路	第27-29页
·基于K-means算法的动态模型建立	第29-31页
·在线聚类分析	第31-32页
·实验验证	第32-33页
·基于HDP+HMM的动态聚类算法	第33-39页
·Dirichlet模型	第33-35页
·隐性马尔科夫模型(HMM)	第35-39页
·HDP+HMM模型的构造	第39-46页
·模型的表述	第39-41页
·模型的学习	第41-43页
·实验验证	第43-46页
第4章 动态聚类算法在医学数据中的应用	第46-55页
·数据集描述	第46页
·数据的预处理	第46-47页
·实验方法	第47-48页
·实验结果与分析	第48-54页
·本章小结	第54-55页
第5章 总结与展望	第55-58页
·总结	第55-56页
·工作展望	第56-58页
参考文献	第58-61页
硕士期间科研成果	第61-62页
致谢	第62页