K-means聚类算法研究及应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文研究内容和方法 | 第15-17页 |
| 第二章 数据挖掘技术与聚类分析算法研究 | 第17-29页 |
| 2.1 数据挖掘技术 | 第17-21页 |
| 2.1.1 数据挖掘的定义 | 第17-18页 |
| 2.1.2 数据挖掘的功能 | 第18-19页 |
| 2.1.3 数据挖掘的过程 | 第19-21页 |
| 2.2 聚类分析算法研究 | 第21-28页 |
| 2.2.1 聚类分析的相关概念 | 第21-24页 |
| 2.2.2 主要的聚类分析方法 | 第24-27页 |
| 2.2.3 聚类分析的应用 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章K-means聚类算法研究及应用 | 第29-42页 |
| 3.1 K-means聚类算法 | 第29-33页 |
| 3.1.1 基本思想 | 第29-31页 |
| 3.1.2 基本步骤和流程 | 第31-33页 |
| 3.2 K-means聚类算法的优缺点 | 第33-34页 |
| 3.3 K-means聚类算法的应用 | 第34-41页 |
| 3.3.1 背景模型的建立和初始化 | 第35页 |
| 3.3.2 背景模型的检测机制 | 第35-36页 |
| 3.3.3 背景模型的更新机制 | 第36-37页 |
| 3.3.4 具体步骤 | 第37-38页 |
| 3.3.5 实验结果及分析 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 改进的k-means聚类算法 | 第42-54页 |
| 4.1 均值漂移相关概念 | 第42-46页 |
| 4.2 基于多层次均值漂移的k-means算法 | 第46-49页 |
| 4.2.1 多层次划分区域 | 第46-48页 |
| 4.2.2 初始中心点的优化选取 | 第48-49页 |
| 4.2.3 算法的具体流程 | 第49页 |
| 4.3 实验结果及分析 | 第49-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 工作总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录（攻读硕士学位期间发表录用论文） | 第61-62页 |
| 详细摘要 | 第62-69页 |
