| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 课题研究现状 | 第14-16页 |
| 1.3 本文主要工作 | 第16页 |
| 1.4 本文组织结构 | 第16-19页 |
| 第2章 数据清洗研究 | 第19-27页 |
| 2.1 数据清洗定义 | 第19-20页 |
| 2.2 数据清洗的原理与方法 | 第20-23页 |
| 2.2.1 数据清洗的原理 | 第20-21页 |
| 2.2.2 数据清洗的方法 | 第21-23页 |
| 2.3 数据清洗的基本过程 | 第23-25页 |
| 2.4 数据清洗的评价标准 | 第25-26页 |
| 2.4.1 数据质量 | 第25页 |
| 2.4.2 成本效益 | 第25-26页 |
| 2.4.3 数据集成 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 缺失值清洗和聚类 | 第27-33页 |
| 3.1 缺失值简述 | 第27页 |
| 3.1.1 缺失值的概念 | 第27页 |
| 3.1.2 缺失值产生的原因 | 第27页 |
| 3.2 常用的缺失值清洗方法 | 第27-30页 |
| 3.3 聚类简述 | 第30-31页 |
| 3.3.1 聚类分析简介 | 第30-31页 |
| 3.3.2 聚类分析特征 | 第31页 |
| 3.3.3 聚类分析的基本步骤 | 第31页 |
| 3.4 本章小结 | 第31-33页 |
| 第4章 基于距离最大化和缺失数据聚类的填充算法研究 | 第33-43页 |
| 4.1 基于K-means聚类的缺失值填充算法 | 第33-37页 |
| 4.1.1 K-means聚类算法 | 第33-34页 |
| 4.1.2 填充算法描述及流程 | 第34-36页 |
| 4.1.3 填充相似度度量方法 | 第36-37页 |
| 4.2 距离最大化改进策略 | 第37-39页 |
| 4.3 含缺失数据数据集聚类策略 | 第39-40页 |
| 4.4 离散型数据填充策略 | 第40-41页 |
| 4.5 改进后算法步骤及流程 | 第41-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 实验与分析 | 第43-55页 |
| 5.1 实验环境 | 第43页 |
| 5.2 实验数据集的选择 | 第43-44页 |
| 5.3 实验设计 | 第44-46页 |
| 5.4 实验结果与分析 | 第46-52页 |
| 5.5 本章小结 | 第52-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 全文总结 | 第55页 |
| 6.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 附录 | 第63-65页 |
| 攻读硕士学位期间发表的论文 | 第65-67页 |
| 致谢 | 第67页 |