数据挖掘中半监督K均值聚类算法的研究

摘要	第1-5页
ABSTRACT	第5-7页
目录	第7-8页
第一章 绪论	第8-14页
·数据挖掘研究的背景和意义	第8-9页
·数据挖掘的发展趋势	第9-11页
·数据挖掘聚类算法介绍和比较	第11-12页
·本文的结构和主要工作	第12-14页
·本文的主要工作	第12-13页
·本文的结构	第13-14页
第二章 核函数在 K 均值聚类算法中的应用	第14-26页
·基于核的 K 均值聚类算法	第14-15页
·核函数的构造	第15-19页
·核函数的性质	第15-16页
·核函数上的运算	第16-19页
·多核方法的学习	第19-24页
·合成核的构造	第20-22页
·合成核参数的优化选取	第22-24页
·本章小结	第24-26页
第三章 改进的自适应 K 均值核函数算法	第26-36页
·传统的 K 均值算法	第26-27页
·改进的 K 均值自适应算法	第27-32页
·多维比例尺变换降维	第27-29页
·自适应核函数聚类算法	第29-32页
·对于改进的自适应算法的实验分析	第32-35页
·文章小结	第35-36页
第四章 半监督 K 均值聚类算法的研究和改进	第36-45页
·半监督聚类算法	第36-38页
·最优聚类中心选取的半监督 K 均值聚类算法	第38-41页
·实验结果分析	第41-44页
·特征项的提取	第41-42页
·特征项赋权重	第42-44页
·本章小结	第44-45页
第五章 总结与展望	第45-47页
·研究工作的总结	第45页
·工作的进一步展望	第45-47页
参考文献	第47-51页
致谢	第51页