| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 论文选题背景 | 第9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 聚类算法研究现状 | 第9-11页 |
| 1.2.2 粒度计算研究现状 | 第11-12页 |
| 1.3 本文结构 | 第12-13页 |
| 第2章 聚类分析和聚类算法概述 | 第13-31页 |
| 2.1 聚类的定义 | 第13-14页 |
| 2.2 聚类算法的种类 | 第14-16页 |
| 2.2.1 划分方法(partitioning methods) | 第14-15页 |
| 2.2.2 层次方法(hierarchical methods) | 第15页 |
| 2.2.3 密度的方法(density-based methods) | 第15页 |
| 2.2.4 网格的方法(grid-based methods) | 第15页 |
| 2.2.5 模型的方法(model-based methods) | 第15-16页 |
| 2.3 基于划分的聚类算法 | 第16-21页 |
| 2.3.1 K均值聚类算法 | 第16-17页 |
| 2.3.2 K中心点聚类算法 | 第17-20页 |
| 2.3.3 基于划分的聚类算法研究现状 | 第20-21页 |
| 2.4 常见的聚类评价方法 | 第21-31页 |
| 第3章 粒度计算 | 第31-43页 |
| 3.1 粒计算的定义 | 第31-32页 |
| 3.1.1 粒计算的基本组成 | 第31-32页 |
| 3.2 粒计算的基本问题 | 第32-33页 |
| 3.3 主要的粒计算模型 | 第33-39页 |
| 3.3.1 词计算模型 | 第33-34页 |
| 3.3.2 粗糙集模型 | 第34-36页 |
| 3.3.3 商空间模型 | 第36页 |
| 3.3.4 三种模型之间的关系 | 第36-39页 |
| 3.4 聚类中的粒度原理 | 第39-43页 |
| 3.4.1 非粒度分析聚类算法的缺陷 | 第40页 |
| 3.4.2 基于粒度分析原理聚类算法的思想框架 | 第40-43页 |
| 第4章 新的确定最佳初始中心的方法 | 第43-59页 |
| 4.1 相关知识 | 第43-44页 |
| 4.1.1 粒度相关概念 | 第43-44页 |
| 4.2 改进的新算法 | 第44-46页 |
| 4.3 仿真实验结果和分析 | 第46-57页 |
| 4.3.1 人工模拟数据集实验 | 第46-52页 |
| 4.3.2 UCI数据集实验 | 第52-57页 |
| 4.4 小结 | 第57-59页 |
| 第5章 总结 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 攻读硕士学位期间研究成果 | 第69页 |
