基于聚类分析的数据挖掘算法研究
| 1． 引言 | 第1-11页 |
| 1．1 数据挖掘的目的及意义 | 第6-8页 |
| 1．2 数据挖掘的研究现状 | 第8-11页 |
| 2． 数据挖掘的特性 | 第11-13页 |
| 2．1 数据挖掘与传统数据分析工具的区别 | 第11-12页 |
| 2．2 数据挖掘与机器学习的区别 | 第12-13页 |
| 3． 数据挖掘最基本的基础内容 | 第13-22页 |
| 3．1 数据挖掘系统的组成 | 第13-15页 |
| 3．2 数据挖掘的任务 | 第15-17页 |
| 3．3 数据挖掘发现的最常见的知识类型 | 第17-19页 |
| 3．3．1 广义知识 | 第17-18页 |
| 3．3．2 关联知识 | 第18页 |
| 3．3．3 分类知识 | 第18-19页 |
| 3．3．4 预测型知识 | 第19页 |
| 3．3．5 偏差型知识 | 第19页 |
| 3．4 数据挖掘的功能 | 第19-22页 |
| 3．4．1 自动预测趋势和行为 | 第20页 |
| 3．4．2 关联分析 | 第20页 |
| 3．4．3 聚类 | 第20-21页 |
| 3．4．4 概念描述 | 第21页 |
| 3．4．5 偏差检测 | 第21-22页 |
| 4． 数据挖掘中的聚类分析-算法研究 | 第22-62页 |
| 4．1 什么是聚类分析 | 第22-23页 |
| 4．2 数据挖掘的流程 | 第23-24页 |
| 4．3 聚类算法涉及的各类型数据及预处理 | 第24-31页 |
| 4．4 对现存重要的代表性聚类算法的分析研究 | 第31-62页 |
| 4．4．1 划分方法 | 第31-35页 |
| 4．4．2 层次方法 | 第35-41页 |
| 4．4．3 基于密度的方法 | 第41-43页 |
| 4．4．4 基于网格的方法 | 第43-45页 |
| 4．4．5 基于模型的方法 | 第45-48页 |
| 4．4．6 对基于划分的经典算法的一些改进 | 第48-53页 |
| 4．4．7 一个新的聚类算法DBCLAD | 第53-62页 |
| 5． DBCLAD算法的实现 | 第62-72页 |
| 5．1 DBCLAD算法的实现 | 第62-69页 |
| 5．2 该算法的一个应用实例 | 第69-72页 |
| 【结论】 | 第72-73页 |
| 【致谢】 | 第73-74页 |
| 【参考文献】 | 第74-75页 |
