聚类有效性分析及其在电学层析成像中的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-28页 |
| 1.1 数据挖掘 | 第10-14页 |
| 1.1.1 数据挖掘概念 | 第10-12页 |
| 1.1.2 数据挖掘分类 | 第12-14页 |
| 1.2 聚类分析 | 第14-20页 |
| 1.2.1 聚类的定义 | 第14页 |
| 1.2.2 数据转换及相似性测度 | 第14-18页 |
| 1.2.3 聚类面临的挑战 | 第18-19页 |
| 1.2.4 聚类分析的应用 | 第19-20页 |
| 1.3 聚类有效性分析 | 第20-25页 |
| 1.3.1 评价标准 | 第20-24页 |
| 1.3.2 聚类有效性指标 | 第24-25页 |
| 1.3.3 面临的主要问题 | 第25页 |
| 1.4 本文的主要工作 | 第25-27页 |
| 1.5 本文的组织结构 | 第27-28页 |
| 第2章 相关工作介绍 | 第28-48页 |
| 2.1 经典的聚类算法 | 第28-36页 |
| 2.1.1 层次聚类算法 | 第28-29页 |
| 2.1.2 基于代价函数最优的聚类算法 | 第29-32页 |
| 2.1.3 基于密度的聚类算法 | 第32-34页 |
| 2.1.4 基于网格的聚类算法 | 第34-35页 |
| 2.1.5 基于模型的聚类算法 | 第35-36页 |
| 2.2 常用的划分式聚类算法 | 第36-38页 |
| 2.2.1 C-MEANS算法及其变体 | 第36-37页 |
| 2.2.2 模糊C-MEANS算法及其变体 | 第37-38页 |
| 2.3 常用的聚类有效性指标 | 第38-40页 |
| 2.4 实验用数据 | 第40-46页 |
| 2.4.1 人工数据 | 第41页 |
| 2.4.2 UCI数据 | 第41-46页 |
| 2.5 本章小结 | 第46-48页 |
| 第3章 聚类分析数据预处理 | 第48-66页 |
| 3.1 数据约简方法 | 第48-51页 |
| 3.1.1 维数约简 | 第48-49页 |
| 3.1.2 样例约简 | 第49-51页 |
| 3.2 基于格的聚类算法的数据约简方法 | 第51-55页 |
| 3.2.1 快速格聚类算法 | 第51-52页 |
| 3.2.2 重要度数据约简算法 | 第52-55页 |
| 3.3 实验与分析 | 第55-64页 |
| 3.3.2 测试人工数据集 | 第56-57页 |
| 3.3.3 测试UCI数据集 | 第57-64页 |
| 3.4 本章小结 | 第64-66页 |
| 第4章 基于划分式聚类算法的有效性指标 | 第66-80页 |
| 4.1 现有的聚类有效性指标的结构 | 第66-68页 |
| 4.2 基于对偶中心的聚类有效性指标 | 第68-72页 |
| 4.2.1 对偶中心定义 | 第68-69页 |
| 4.2.2 新的聚类有效性指标 | 第69-70页 |
| 4.2.3 新的聚类有效性指标的性质 | 第70-72页 |
| 4.3 实验与分析 | 第72-79页 |
| 4.3.1 测试人工数据集 | 第72-74页 |
| 4.3.2 测试UCI数据集 | 第74-79页 |
| 4.4 本章小结 | 第79-80页 |
| 第5章 聚类在电学层析成像中的应用 | 第80-108页 |
| 5.1 电学层析成像 | 第80-83页 |
| 5.1.1 基本原理 | 第80-81页 |
| 5.1.2 常用的成像算法 | 第81-82页 |
| 5.1.3 重建图像质量评价存在的问题 | 第82-83页 |
| 5.2 快速模糊聚类算法 | 第83-84页 |
| 5.3 基于f-FCM的重建图像质量评价 | 第84-85页 |
| 5.4 仿真实验与分析 | 第85-101页 |
| 5.4.1 不同含率模型实验 | 第87-91页 |
| 5.4.2 不同流型模型实验 | 第91-96页 |
| 5.4.3 分析 | 第96-101页 |
| 5.5 静态实验与分析 | 第101-106页 |
| 5.6 本章小结 | 第106-108页 |
| 第6章 总结及展望 | 第108-112页 |
| 6.1 本文工作总结 | 第108-109页 |
| 6.2 研究展望 | 第109-112页 |
| 参考文献 | 第112-122页 |
| 发表论文和参加科研情况说明 | 第122-124页 |
| 致谢 | 第124-125页 |
