| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景 | 第9页 |
| ·研究现状 | 第9-11页 |
| ·数据挖掘研究现状 | 第9-10页 |
| ·聚类技术研究现状 | 第10页 |
| ·核方法研究现状 | 第10-11页 |
| ·课题研究的目的和意义 | 第11页 |
| ·本文的主要工作 | 第11-12页 |
| ·本文的组织结构 | 第12-14页 |
| 第二章 数据挖掘与聚类概述 | 第14-24页 |
| ·数据挖掘概述 | 第14-20页 |
| ·数据挖掘技术的起源 | 第14-15页 |
| ·数据挖掘的概念 | 第15页 |
| ·数据挖掘的过程 | 第15-17页 |
| ·数据挖掘的主要内容 | 第17-18页 |
| ·数据挖掘的功能 | 第18-19页 |
| ·数据挖掘的应用 | 第19-20页 |
| ·聚类概述 | 第20-23页 |
| ·聚类的定义 | 第20-21页 |
| ·聚类的基本步骤 | 第21-22页 |
| ·主要聚类算法分类 | 第22-23页 |
| ·本章总结 | 第23-24页 |
| 第三章 基于初始点优化与迭代优化的K均值聚类算法 | 第24-34页 |
| ·K均值算法研究与分析 | 第24-26页 |
| ·K均值算法的原理与流程 | 第24-25页 |
| ·K均值算法分析 | 第25-26页 |
| ·基于初始点优化与迭代优化的K均值聚类算法 | 第26-33页 |
| ·基于最小距离的初始聚类中心选取法 | 第26-27页 |
| ·基于中心点的聚类中心的调整 | 第27-28页 |
| ·迭代算法的优化 | 第28页 |
| ·基于初始点优化与迭代优化的K均值算法流程 | 第28-30页 |
| ·实验结果与分析 | 第30-33页 |
| ·本章总结 | 第33-34页 |
| 第四章 基于核方法的模糊C均值聚类算法 | 第34-49页 |
| ·模糊C均值算法回顾 | 第34-35页 |
| ·算法原理 | 第34-35页 |
| ·算法流程 | 第35页 |
| ·核方法的引入 | 第35-42页 |
| ·描述相似性的工具——内积 | 第35-38页 |
| ·多项式核函数 | 第38-39页 |
| ·Mercer核 | 第39-40页 |
| ·核的构造原则 | 第40页 |
| ·构造一种新的核函数 | 第40-42页 |
| ·基于混合核函数的模糊C均值(HKFCM)聚类算法 | 第42-43页 |
| ·算法基本原理 | 第42-43页 |
| ·HKFCM算法流程 | 第43页 |
| ·实验与分析 | 第43-47页 |
| ·球状数据集实验 | 第43-45页 |
| ·环状数据集实验 | 第45-46页 |
| ·加噪声的环状数据集实验 | 第46-47页 |
| ·本章总结 | 第47-49页 |
| 第五章 基于混合核函数的可能性C均值(HKPCM)聚类算法 | 第49-55页 |
| ·算法基本思想 | 第49-50页 |
| ·HKPCM算法流程 | 第50-51页 |
| ·实验与分析 | 第51-54页 |
| ·加噪声的环状数据集实验 | 第51-53页 |
| ·加噪声的T形数据集实验 | 第53-54页 |
| ·本章总结 | 第54-55页 |
| 第六章 总结和展望 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文 | 第62页 |