| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·引言 | 第9页 |
| ·数据挖掘技术 | 第9-10页 |
| ·数据挖掘中的聚类分析 | 第10-11页 |
| ·聚类分析的意义 | 第10页 |
| ·聚类分析的研究现状 | 第10-11页 |
| ·论文的研究范围及目的 | 第11页 |
| ·论文的内容安排 | 第11-13页 |
| 第二章 聚类分析的基础知识 | 第13-21页 |
| ·聚类分析的定义 | 第13页 |
| ·聚类分析中的数据对象 | 第13-15页 |
| ·数据的类型 | 第13-14页 |
| ·数据的变换 | 第14-15页 |
| ·相似度的度量方式 | 第15-17页 |
| ·数值型数据集(numerical data) | 第15-16页 |
| ·类别型数据集(categorical data) | 第16-17页 |
| ·混合型数据集(mixed data) | 第17页 |
| ·主要的聚类算法及存在的问题 | 第17-20页 |
| ·主要的聚类算法 | 第17-19页 |
| ·存在的问题 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 集成学习技术 | 第21-30页 |
| ·多分类器集成技术 | 第21页 |
| ·多分类器集成的组织结构 | 第21-23页 |
| ·级联结构 | 第22-23页 |
| ·并联结构 | 第23页 |
| ·多分类器集成的主要算法 | 第23-26页 |
| ·聚类集成的研究现状 | 第26-29页 |
| ·聚类成员的产生 | 第26-27页 |
| ·共识函数的设计 | 第27-29页 |
| ·存在的问题 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第四章 多层次聚类集成算法 | 第30-38页 |
| ·多层次的聚类策略 | 第30-31页 |
| ·多层次的聚类集成算法 | 第31-37页 |
| ·k-prototype算法 | 第31-33页 |
| ·纯度阈值 | 第33页 |
| ·聚类多叉树的构建 | 第33-34页 |
| ·再聚类时属性的选择 | 第34-36页 |
| ·算法的描述 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 实验结果及分析 | 第38-50页 |
| ·实验数据集 | 第38页 |
| ·实验环境 | 第38页 |
| ·实验性能指标 | 第38-39页 |
| ·实验的对比算法 | 第39-41页 |
| ·基于初始簇中心的选择性聚类集成算法 | 第39-40页 |
| ·基于不同类型属性的聚类集成算法 | 第40-41页 |
| ·实验结果及分析 | 第41-48页 |
| ·再聚类有效性验证实验 | 第41-43页 |
| ·聚类效果对比实验 | 第43-45页 |
| ·时间效率对比实验 | 第45-47页 |
| ·分类预测能力对比实验 | 第47-48页 |
| ·实验小结 | 第48页 |
| ·本章小结 | 第48-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·本文总结 | 第50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |