聚类分析算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-11页 |
| 第一章 引言 | 第11-14页 |
| ·研究动机 | 第11-12页 |
| ·研究成果 | 第12-13页 |
| ·论文导读 | 第13-14页 |
| 第二章 聚类挖掘综述 | 第14-36页 |
| ·聚类分析技术 | 第15-19页 |
| ·聚类阶段 | 第16页 |
| ·符号定义 | 第16-17页 |
| ·数据表示 | 第17页 |
| ·相似度定义 | 第17-19页 |
| ·定义距离的方法 | 第17-18页 |
| ·定义相似度的方法 | 第18-19页 |
| ·聚类算法分类 | 第19页 |
| ·层次算法 | 第19-22页 |
| ·划分算法 | 第22页 |
| ·概率聚类算法 | 第22-26页 |
| ·混合模型 | 第23-24页 |
| ·EM算法 | 第24-26页 |
| ·极大似然估计 | 第24页 |
| ·基本EM算法思想 | 第24-25页 |
| ·高斯混合模型中的EM算法 | 第25-26页 |
| ·模糊聚类算法 | 第26页 |
| ·基于密度算法 | 第26-28页 |
| ·基于密度的连通方法 | 第26-27页 |
| ·密度函数方法 | 第27-28页 |
| ·基于栅格算法 | 第28页 |
| ·基于搜索算法 | 第28页 |
| ·范畴数据聚类算法 | 第28-29页 |
| ·高维数据聚类算法 | 第29-30页 |
| ·海量数据聚类算法 | 第30-34页 |
| ·扩展划分算法 | 第32-33页 |
| ·扩展层次算法 | 第33页 |
| ·扩展基于概率的算法 | 第33-34页 |
| ·隐私保密挖掘聚类算法 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 概率聚类算法选择聚类个数的确定 | 第36-44页 |
| ·介绍 | 第36页 |
| ·确定聚类个数的常用方法 | 第36-38页 |
| ·确定概率聚类个数的混合途径方法 | 第38-39页 |
| ·改进的蒙特卡罗交叉验证算法(iMCCV) | 第38-39页 |
| ·结合平行坐标可视化技术确定K值 | 第39页 |
| ·实验情况 | 第39-41页 |
| ·实验结果 | 第40页 |
| ·实验分析 | 第40-41页 |
| ·结合平行坐标确定聚类个数 | 第41页 |
| ·本章小结 | 第41-44页 |
| 第四章 面向领域的个体行为数据聚类 | 第44-59页 |
| ·介绍 | 第44页 |
| ·符号定义 | 第44-45页 |
| ·模糊高斯混合模型算法(FuzzyGMM) | 第45-50页 |
| ·模糊高斯混合模型推导 | 第45-46页 |
| ·模糊高斯混合模型的EM算法 | 第46-48页 |
| ·算法分析 | 第48-49页 |
| ·实验 | 第49-50页 |
| ·模拟数据实验 | 第49-50页 |
| ·拨号上网数据实验 | 第50页 |
| ·双重高斯混合模型算法(DualGMM) | 第50-58页 |
| ·引言 | 第50-51页 |
| ·双重高斯混合模型推导 | 第51-53页 |
| ·双重高斯混合模型的EM算法 | 第53-55页 |
| ·算法分析 | 第55-56页 |
| ·模拟数据实验 | 第56-58页 |
| ·准确度 | 第56-57页 |
| ·可扩展性 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 聚类分析原型系统的实现 | 第59-62页 |
| ·设计目标 | 第59-60页 |
| ·原型系统结构设计 | 第60页 |
| ·本章小结 | 第60-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 致谢及声明 | 第70-71页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第71-72页 |
