| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1.绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究现状 | 第10-15页 |
| ·论文的创新点 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 2.数据挖掘中的分类方法 | 第17-26页 |
| ·K-最近邻分类方法 | 第17-18页 |
| ·基于遗传算法的分类 | 第18-20页 |
| ·决策树分类 | 第20-21页 |
| ·贝叶斯分类 | 第21-22页 |
| ·粗糙集分类 | 第22-23页 |
| ·神经网络分类 | 第23-24页 |
| ·支持向量机分类 | 第24页 |
| ·分类方法的评估 | 第24-26页 |
| 3.复杂网络概述 | 第26-36页 |
| ·复杂网络的研究简史 | 第26-27页 |
| ·复杂网络的基本概念 | 第27-30页 |
| ·复杂网络中的社团结构 | 第30-34页 |
| ·复杂网络的基本模型 | 第34-36页 |
| 4.基于K-MEANS聚类算法的复杂网络社团发现方法 | 第36-44页 |
| ·相关理论及定义 | 第36-38页 |
| ·算法实现步骤 | 第38-39页 |
| ·算法例证及算法分析 | 第39-43页 |
| ·小结 | 第43-44页 |
| 5.基于复杂网络理论和遗传算法的分类方法 | 第44-50页 |
| ·相关理论及定义 | 第44-45页 |
| ·算法实现步骤 | 第45-48页 |
| ·实验结果与分析 | 第48-49页 |
| ·小结 | 第49-50页 |
| 6.基于加权复杂网络聚类的医学图像分类器研究 | 第50-57页 |
| ·引言 | 第50-51页 |
| ·相关定义 | 第51-52页 |
| ·图像预处理和特征提取 | 第52-54页 |
| ·构造加权网络 | 第54页 |
| ·算法流程 | 第54-55页 |
| ·实验结果 | 第55-56页 |
| ·小结 | 第56-57页 |
| 7.总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间撰写和发表的学术论文 | 第63-64页 |
| 致谢 | 第64-65页 |