聚类融合研究及其应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景及选题意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·主要研究内容及创新 | 第14-15页 |
| ·论文结构安排 | 第15-16页 |
| 第2章 相关概念和理论 | 第16-26页 |
| ·聚类分析技术 | 第16-22页 |
| ·聚类分析的概念 | 第16页 |
| ·聚类分析算法分类 | 第16-20页 |
| ·相似度的度量 | 第20-22页 |
| ·聚类分析的应用 | 第22页 |
| ·聚类融合概述 | 第22-25页 |
| ·聚类融合的概念 | 第23页 |
| ·聚类融合的一般过程 | 第23-24页 |
| ·聚类融合的应用 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 一种基于自适应最近邻的聚类融合算法 | 第26-36页 |
| ·ANNCE算法的提出 | 第26-28页 |
| ·最近邻思想 | 第26-27页 |
| ·ANNCE算法的提出 | 第27-28页 |
| ·ANNCE算法 | 第28-30页 |
| ·算法的具体步骤 | 第28-29页 |
| ·算法描述 | 第29-30页 |
| ·ANNCE算法复杂度分析 | 第30页 |
| ·实验与结果分析 | 第30-35页 |
| ·实验数据 | 第30-31页 |
| ·实验结果 | 第31-34页 |
| ·参数评估 | 第34-35页 |
| ·实验结论 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于相对核心群的K-MEANS优化算法 | 第36-47页 |
| ·核心群及相关概念的给出和定义 | 第36-37页 |
| ·K-MEANS算法及其随机初始化的局限 | 第37-38页 |
| ·RCBK-MEANS算法 | 第38-41页 |
| ·算法的具体步骤 | 第38-40页 |
| ·算法描述 | 第40-41页 |
| ·RCBK-MEANS算法复杂度分析 | 第41-42页 |
| ·实验与结果分析 | 第42-46页 |
| ·实验数据 | 第42-43页 |
| ·实验结果和结论 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 一种适应于大规模数据集的聚类融合方法 | 第47-60页 |
| ·方法的给出 | 第47页 |
| ·基于质心的聚类融合算法CBEC概述 | 第47-52页 |
| ·CBEC算法的理论基础 | 第47-48页 |
| ·算法过程 | 第48-51页 |
| ·算法分析 | 第51-52页 |
| ·基于相对核心群的CBEC算法的改进 | 第52-54页 |
| ·算法的具体步骤 | 第52-53页 |
| ·算法描述 | 第53-54页 |
| ·实验与结果分析 | 第54-56页 |
| ·算法在计算机审计中的应用 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |
