| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-7页 |
| 引言 | 第7-8页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9页 |
| 1.3 研究的内容及本文的结构 | 第9-11页 |
| 1.3.1 本文所研究的内容 | 第9-10页 |
| 1.3.2 本文的结构 | 第10-11页 |
| 第二章 数据挖掘以及聚类算法概述 | 第11-17页 |
| 2.1 数据挖掘概述 | 第11-12页 |
| 2.2 数据挖掘方法的分类 | 第12-13页 |
| 2.3 聚类算法的基本概念 | 第13-14页 |
| 2.4 主要的聚类算法 | 第14-17页 |
| 2.4.1 划分方法(Partitioning Method) | 第14-15页 |
| 2.4.2 层次方法(Hierarchical Method) | 第15页 |
| 2.4.3 基于网格的方法(Grid-based Method) | 第15-16页 |
| 2.4.4 基于模型的方法(Model-based Method) | 第16页 |
| 2.4.5 基于密度的方法(Density-based Method) | 第16-17页 |
| 第三章 近邻传播聚类算法 | 第17-21页 |
| 3.1 近邻传播聚类算法的概述 | 第17-19页 |
| 3.2 AP 算法的流程 | 第19-21页 |
| 第四章 结合 AP 算法的 Chameleon 聚类算法 | 第21-35页 |
| 4.1 Chameleon 算法 | 第21-23页 |
| 4.2 改进的 Chameleon 算法—GMChameleon 算法 | 第23-25页 |
| 4.2.1 加权图 G 的构建 | 第24-25页 |
| 4.2.2 聚合度 | 第25页 |
| 4.2.3 GMChameleon 算法的算法流程 | 第25页 |
| 4.3 结合 AP 算法的 Chameleon 聚类算法的流程 | 第25-27页 |
| 4.4 实验结果及分析 | 第27-35页 |
| 4.4.1 数据集 | 第27页 |
| 4.4.2 实验评价标准 | 第27-28页 |
| 4.4.3 实验结果 | 第28-35页 |
| 第五章 总结与展望 | 第35-36页 |
| 参考文献 | 第36-38页 |
| 致谢 | 第38页 |
