| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究的目的和意义 | 第8-9页 |
| 1.2 研究的历史和现状 | 第9-11页 |
| 1.2.1 聚类分析的发展过程 | 第10页 |
| 1.2.2 聚类分析在电子商务中的应用研究现状 | 第10-11页 |
| 1.3 论文结构和研究方法 | 第11-13页 |
| 1.3.1 论文结构 | 第11页 |
| 1.3.2 本文研究方法 | 第11-13页 |
| 第2章 聚类和k-means算法基本知识 | 第13-18页 |
| 2.1 聚类定义 | 第13页 |
| 2.2 聚类的数据结构 | 第13-14页 |
| 2.3 传统的k-means算法 | 第14-15页 |
| 2.4 传统的K-means存在的缺点 | 第15-16页 |
| 2.5 聚类评价和标准 | 第16-17页 |
| 2.6 本章小结 | 第17-18页 |
| 第3章 改进后的k-means算法及应用 | 第18-25页 |
| 3.1 变异系数法确认权重 | 第18-23页 |
| 3.1.1 变异系数法 | 第18-19页 |
| 3.1.2 变异系数法加权欧式距离在电子商务中的应用 | 第19-23页 |
| 3.2 本章小结 | 第23-25页 |
| 第4章 对比改进后的k-means算法 | 第25-29页 |
| 4.1 加权欧式距离性质 | 第25-26页 |
| 4.2 证明改进算法的正确性 | 第26-28页 |
| 4.3 本章小结 | 第28-29页 |
| 第5章 具体的代码实现 | 第29-32页 |
| 5.1 Bean类 | 第29-30页 |
| 5.2 具体实现类 | 第30页 |
| 5.3 主类(main) | 第30-31页 |
| 5.4 本章小结 | 第31-32页 |
| 第6章 k值的确认和寻找中心点的性能优化 | 第32-39页 |
| 6.1 问题的提出 | 第32页 |
| 6.2 K值的确定 | 第32-34页 |
| 6.2.1 概念的定义 | 第32-34页 |
| 6.2.2 优化k值的方法 | 第34页 |
| 6.3 寻找中心点的性能优化 | 第34-38页 |
| 6.3.1 问题提出 | 第34页 |
| 6.3.2 具体做法 | 第34-35页 |
| 6.3.3 修改后的算法流程 | 第35页 |
| 6.3.4 核心代码及实验分析结果 | 第35-38页 |
| 6.4 本章小结 | 第38-39页 |
| 第7章 本文总结和展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 附录 | 第43-60页 |
| 致谢 | 第60页 |