| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 数据挖掘及其现状 | 第15-17页 |
| 1.2.2 可视化技术 | 第17-18页 |
| 1.2.3 可视化数据挖掘研究现状 | 第18-19页 |
| 1.3 研究内容 | 第19-20页 |
| 1.4 论文结构安排 | 第20-21页 |
| 第二章 数据挖掘与可视化技术 | 第21-32页 |
| 2.1 可视化技术概述 | 第21-24页 |
| 2.2 数据挖掘概述 | 第24-27页 |
| 2.2.1 数据挖掘的基本概念 | 第24页 |
| 2.2.2 数据挖掘的过程 | 第24-26页 |
| 2.2.3 聚类分析概述 | 第26-27页 |
| 2.3 可视化数据挖掘技术 | 第27-31页 |
| 2.3.1 数据可视化 | 第28-30页 |
| 2.3.2 数据挖掘过程可视化 | 第30页 |
| 2.3.3 数据挖掘结果可视化 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于MASI距离的层次聚类的可视化技术研究 | 第32-42页 |
| 3.1 概述 | 第32页 |
| 3.2 聚类中的距离度量 | 第32-34页 |
| 3.2.1 数据类型 | 第33页 |
| 3.2.2 距离度量 | 第33-34页 |
| 3.3 凝聚层次聚类 | 第34-35页 |
| 3.4 职位聚类分析及其可视化 | 第35-41页 |
| 3.4.1 职位数据预处理 | 第35-38页 |
| 3.4.2 基于凝聚层次的职位聚类 | 第38-39页 |
| 3.4.3 融合随机抽样的职位聚类 | 第39页 |
| 3.4.4 聚类结果可视化 | 第39-41页 |
| 3.4.5 应用结果及分析 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于SOM聚类的可视化技术研究 | 第42-57页 |
| 4.1 概述 | 第42-43页 |
| 4.2 基于SOM的聚类算法 | 第43-49页 |
| 4.2.1 SOM概述 | 第43-45页 |
| 4.2.2 聚簇分布可视化 | 第45-46页 |
| 4.2.3 基于兴趣度的元数据属性排名方法 | 第46-48页 |
| 4.2.4 算法流程 | 第48-49页 |
| 4.3 应用及结果分析 | 第49-56页 |
| 4.3.1 研究数据集 | 第49-50页 |
| 4.3.2 聚类交互可视化设计 | 第50-52页 |
| 4.3.3 结果分析 | 第52-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 基于K-Means算法的平行坐标可视化技术研究 | 第57-70页 |
| 5.1 概述 | 第57页 |
| 5.2 平行坐标技术概述 | 第57-63页 |
| 5.2.1 平行坐标的定义 | 第58页 |
| 5.2.2 平行坐标的原理 | 第58-60页 |
| 5.2.3 基于平行坐标的可视化方法 | 第60-63页 |
| 5.3 K-Means算法及其可视化 | 第63-66页 |
| 5.3.1 K-Means算法描述及分析 | 第63-64页 |
| 5.3.2 算法分解及可视化 | 第64-66页 |
| 5.4 实验及结果分析 | 第66-69页 |
| 5.4.1 实验数据集 | 第66页 |
| 5.4.2 直观数据可视化结果分析 | 第66-67页 |
| 5.4.3 聚类过程可视化结果分析 | 第67-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间主要的研究成果 | 第75-76页 |
| 致谢 | 第76页 |