| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-23页 |
| ·数据库知识发现 | 第12-16页 |
| ·KDD的提出 | 第12-13页 |
| ·KDD的定义和处理过程 | 第13-15页 |
| ·KDD的特性 | 第15-16页 |
| ·数据挖掘 | 第16-22页 |
| ·数据挖掘的定义 | 第16页 |
| ·数据挖掘的对象 | 第16-17页 |
| ·数据挖掘的功能 | 第17-18页 |
| ·数据挖掘的方法 | 第18-21页 |
| ·数据挖掘面临的挑战及研究热点 | 第21页 |
| ·数据挖掘的发展方向 | 第21-22页 |
| ·本文的研究内容与组织 | 第22-23页 |
| 第二章 数据挖掘中的聚类分析 | 第23-36页 |
| ·聚类分析概述 | 第23-26页 |
| ·聚类的概念和应用 | 第23-25页 |
| ·聚类分析的典型评价指标 | 第25-26页 |
| ·聚类分析中的数据类型 | 第26-32页 |
| ·基本数据结构 | 第26-27页 |
| ·区间标度变量 | 第27-28页 |
| ·二元变量 | 第28-30页 |
| ·标称、序数和比例标度变量 | 第30-31页 |
| ·混合类型的变量 | 第31-32页 |
| ·主要聚类方法概述 | 第32-35页 |
| ·划分方法(Partitioning Methods) | 第32-33页 |
| ·层次方法(Hierarchical Methods) | 第33页 |
| ·基于密度的方法(Density-Based Methods) | 第33-34页 |
| ·基于网格的方法(Grid-Based Methods) | 第34页 |
| ·基于模型的方法(Model-Based Methods) | 第34-35页 |
| ·小结 | 第35-36页 |
| 第三章 面向高维数据的聚类研究 | 第36-45页 |
| ·高维聚类研究现状 | 第36-39页 |
| ·基于密度的聚类算法 | 第36-38页 |
| ·改进工作 | 第38-39页 |
| ·基于层次树的高效密度聚类算法 | 第39-42页 |
| ·相关定义 | 第39-40页 |
| ·算法描述 | 第40-42页 |
| ·算法性能分析 | 第42页 |
| ·实验结果 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 变密度空间聚类研究 | 第45-59页 |
| ·变密度聚类的研究意义 | 第45-46页 |
| ·变密度聚类的研究现状 | 第46-47页 |
| ·SVC聚类算法 | 第47-53页 |
| ·相关定义 | 第47页 |
| ·SVC算法描述 | 第47-53页 |
| ·性能分析及实验结果 | 第53-58页 |
| ·算法性能分析 | 第54页 |
| ·实验结果 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 结束语 | 第59-61页 |
| ·已完成工作 | 第59-60页 |
| ·下一步工作 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 研究生期间主要科研工作及成果 | 第67-68页 |
| 发表学术论文 | 第68页 |
