| 第一章 绪论 | 第1-10页 |
| 1．1 数据挖掘的产生背景 | 第6-8页 |
| 1．2 数据挖掘中的聚类分析 | 第8页 |
| 1．3 论文内容和结构安排 | 第8-10页 |
| 第二章 数据挖掘技术 | 第10-26页 |
| 2．1 数据挖掘的研究内容 | 第11-12页 |
| 2．2 数据挖掘的任务和功能 | 第12-15页 |
| 2．3 数据挖掘的一般过程 | 第15-16页 |
| 2．4 数据挖掘常用技术 | 第16-20页 |
| 2．5 数据挖掘工具 | 第20-23页 |
| 2．6 数据挖掘的主要应用领域 | 第23-24页 |
| 2．7 数据挖掘的发展方向 | 第24-25页 |
| 2．8 小结 | 第25-26页 |
| 第三章 数据挖掘中的聚类分析 | 第26-41页 |
| 3．1 聚类分析中的数据结构和数据类型 | 第26-30页 |
| 3．1．1 数据结构 | 第26-27页 |
| 3．1．2 聚类分析的数据类型 | 第27-29页 |
| 3．1．3 聚类准则的确定 | 第29-30页 |
| 3．2 聚类算法的分类 | 第30-32页 |
| 3．3 常用的基于划分的聚类算法 | 第32-35页 |
| 3．3．1 k-means算法及其变形 | 第32-33页 |
| 3．3．2 k-medoids算法 | 第33-34页 |
| 3．3．3 CLARA算法和CLARANS算法 | 第34-35页 |
| 3．4 其它数据挖掘聚类算法 | 第35-37页 |
| 3．5 聚类结果的评价 | 第37-40页 |
| 3．6 小结 | 第40-41页 |
| 第四章 分类属性数据聚类 | 第41-52页 |
| 4．1 k-modes聚类算法 | 第41-43页 |
| 4．2 k-prototypes聚类算法 | 第43-46页 |
| 4．2．1 k-prototypes算法 | 第43-44页 |
| 4．2．2 仿真试验 | 第44-46页 |
| 4．3 Fuzzyk-modes聚类算法 | 第46-48页 |
| 4．4 模糊k-modes算法的精确度 | 第48-51页 |
| 4．4．1 对现有聚类精确度定义的修正 | 第49-50页 |
| 4．4．2 基于划分相似度的聚类精确度定义 | 第50-51页 |
| 4．5 小结 | 第51-52页 |
| 第五章 基于属性加权的fuzzyk-modes算法 | 第52-58页 |
| 5．1 进化策略 | 第52-53页 |
| 5．2 基于属性加权的fuzzyk-modes算法 | 第53-55页 |
| 5．3 实验分析 | 第55-57页 |
| 5．4 小结 | 第57-58页 |
| 结束语 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 在读期间研究成果 | 第63页 |