| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 模糊聚类的背景及意义 | 第8-10页 |
| 1.2 国内外研究现状及发展动态分析 | 第10-13页 |
| 1.2.1 加权指数m的确定 | 第10-11页 |
| 1.2.2 样本相似性关系的研究 | 第11页 |
| 1.2.3 针对不同类型数据集的研究 | 第11-12页 |
| 1.2.4 其他关于模糊c均值聚类的研究 | 第12-13页 |
| 1.3 主要研究内容、研究目标、拟解决的关键问题 | 第13-15页 |
| 1.3.1 研究内容和研究目标 | 第13-14页 |
| 1.3.2 拟解决的问题 | 第14-15页 |
| 2 模糊c均值聚类算法及对不完备数据集的研究 | 第15-25页 |
| 2.1 引言 | 第15-16页 |
| 2.2 硬c均值聚类 | 第16页 |
| 2.3 模糊c均值聚类算法 | 第16-19页 |
| 2.4 不完备数据的模糊聚类 | 第19-23页 |
| 2.4.1 完备数据策略 | 第20-21页 |
| 2.4.2 局部距离策略 | 第21页 |
| 2.4.3 优化完整策略 | 第21-22页 |
| 2.4.4 最近原型策略 | 第22-23页 |
| 2.4.5 其他不完备数据模糊聚类方法 | 第23页 |
| 2.5 小结 | 第23-25页 |
| 3 基于样本加权的不完备数据模糊聚类 | 第25-38页 |
| 3.1 引言 | 第25-26页 |
| 3.2 离群点及其对聚类结果的影响 | 第26-27页 |
| 3.3 样本加权模糊聚类算法 | 第27-28页 |
| 3.4 基于样本加权的不完备数据模糊c均值聚类 | 第28-30页 |
| 3.4.1 样本权值的作用及其计算 | 第28-29页 |
| 3.4.2 基于样本加权的不完备数据FCM算法流程 | 第29-30页 |
| 3.5 仿真实验 | 第30-36页 |
| 3.5.1 实验数据 | 第30-34页 |
| 3.5.2 实验结果 | 第34-35页 |
| 3.5.3 结果分析 | 第35-36页 |
| 3.6 小结 | 第36-38页 |
| 4 基于子类分散度的不完备数据模糊聚类 | 第38-55页 |
| 4.1 引言 | 第38-39页 |
| 4.2 子类分散度及其对聚类结果的影响 | 第39-40页 |
| 4.3 基于子类分散度的模糊聚类 | 第40-43页 |
| 4.3.1 子类分散度的计算 | 第41页 |
| 4.3.2 基于子类分散度的FCM算法 | 第41-43页 |
| 4.4 基于子类分散度的不完备数据模糊c均值聚类 | 第43-46页 |
| 4.4.1 不完备数据集的区间重构 | 第43-44页 |
| 4.4.2 基于子类分散度的不完备数据FCM算法流程 | 第44-46页 |
| 4.5 仿真实验 | 第46-53页 |
| 4.5.1 实验数据 | 第46-50页 |
| 4.5.2 实验结果 | 第50-52页 |
| 4.5.3 结果分析 | 第52-53页 |
| 4.6 小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |