面向分类属性数据的分层聚类算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究的目的和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 聚类研究现状 | 第10-12页 |
| 1.2.2 分层聚类算法 | 第12-14页 |
| 1.2.3 对分类属性数据的研究 | 第14-16页 |
| 1.3 论文主要研究内容及组织结构 | 第16-18页 |
| 1.3.1 论文主要研究内容 | 第16页 |
| 1.3.2 论文组织结构 | 第16-18页 |
| 第二章 相关基础 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 聚类数据的表示 | 第18-19页 |
| 2.3 分层聚类法基本原理 | 第19-21页 |
| 2.3.1 凝聚型分层聚类 | 第19-20页 |
| 2.3.2 分裂型分层聚类 | 第20页 |
| 2.3.3 簇距离计算 | 第20-21页 |
| 2.4 基于最大似然原理的进化树构建方法 | 第21-27页 |
| 2.4.1 概述 | 第21-22页 |
| 2.4.2 进化树似然值的计算 | 第22-24页 |
| 2.4.3 状态转换概率P(t)的计算 | 第24-26页 |
| 2.4.4 分支长度的优化 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 最大似然原理分层聚类算法 | 第28-41页 |
| 3.1 分层聚类算法存在的不足 | 第28页 |
| 3.2 分层聚类树与进化树构建比较 | 第28-29页 |
| 3.3 HAC_ML算法 | 第29-36页 |
| 3.3.1 算法的基本思想 | 第29-31页 |
| 3.3.2 计算转换概率 | 第31-32页 |
| 3.3.3 计算聚类树T的似然值 | 第32-33页 |
| 3.3.4 计算聚类树T的分支长度 | 第33-34页 |
| 3.3.5 分支交换操作 | 第34-36页 |
| 3.4 实验数据的选取 | 第36-37页 |
| 3.5 实验 | 第37-40页 |
| 3.5.1 实验环境 | 第37页 |
| 3.5.2 实验结果及分析 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 HAC_ML改进算法 | 第41-49页 |
| 4.1 HAC_ML算法的优缺点 | 第41-42页 |
| 4.2 HAC_ML改进算法 | 第42-44页 |
| 4.2.1 RF距离 | 第42-43页 |
| 4.2.2 改进算法的基本思想 | 第43-44页 |
| 4.3 实验 | 第44-48页 |
| 4.3.1 实验环境 | 第44-45页 |
| 4.3.2 实验数据 | 第45页 |
| 4.3.3 实验结果及分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 硕士期间发表论文和参与科研项目情况 | 第57页 |
