| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 本文安排 | 第9-10页 |
| 第二章 基本理论部分 | 第10-19页 |
| 2.1 分割算法 | 第10-11页 |
| 2.1.1 K-medoids方法 | 第10-11页 |
| 2.1.2 Pam（Partitioning Around Medoid）算法 | 第11页 |
| 2.2 层次聚类方法 | 第11-13页 |
| 2.2.1 距离（相似度）的定义 | 第11-13页 |
| 2.2.2 层次聚类方法 | 第13页 |
| 2.3 基于模型的方法 | 第13-15页 |
| 2.3.1 基于模型的聚类 | 第13-14页 |
| 2.3.2 高斯混合模型和贝叶斯信息准则BIC | 第14-15页 |
| 2.4 聚类个数的确定 | 第15-17页 |
| 2.5 变量选择原理 | 第17-18页 |
| 2.6 聚类评价标准 | 第18-19页 |
| 第三章 模拟数据分析 | 第19-31页 |
| 3.1 数据产生原理 | 第19-21页 |
| 3.1.1 模拟数据一 | 第19-20页 |
| 3.1.2 模拟数据二 | 第20-21页 |
| 3.2 数据分析 | 第21-31页 |
| 3.2.1 模拟数据一 | 第21-27页 |
| 3.2.2 模拟数据二 | 第27-31页 |
| 第四章 实证分析 | 第31-42页 |
| 4.1 实例一葡萄酒数据 | 第31-34页 |
| 4.2 实例二seeds数据 | 第34-37页 |
| 4.3 实例三乳腺癌数据 | 第37-40页 |
| 4.4 实例四白血病数据 | 第40-42页 |
| 第五章 总结 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46页 |