聚类数据挖掘在商场中的应用及K-means聚类算法改进研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·引言 | 第9页 |
| ·数据挖掘技术产生的背景 | 第9-10页 |
| ·数据挖掘技术中的聚类分析 | 第10-11页 |
| ·聚类分析的研究意义 | 第10-11页 |
| ·主要算法分类介绍 | 第11页 |
| ·论文的研究范围及研究目的 | 第11-13页 |
| ·论文的内容安排 | 第13-14页 |
| 2 数据挖掘 | 第14-24页 |
| ·数据挖掘技术的发展历程 | 第14页 |
| ·数据挖掘定义和任务 | 第14-17页 |
| ·定义 | 第14-15页 |
| ·主要任务 | 第15-17页 |
| ·数据挖掘的特点 | 第17-18页 |
| ·数据挖掘的功能和分类 | 第18-20页 |
| ·功能 | 第18-19页 |
| ·分类 | 第19-20页 |
| ·数据挖掘的过程 | 第20-22页 |
| ·数据挖掘结果评估 | 第22页 |
| ·小结 | 第22-24页 |
| 3 聚类分析 | 第24-37页 |
| ·聚类的定义 | 第24页 |
| ·聚类分析的应用 | 第24-25页 |
| ·聚类算法的要求 | 第25-26页 |
| ·聚类分析中的数据类型 | 第26-27页 |
| ·聚类分析中的相似度度量方法 | 第27-29页 |
| ·聚类分析中的聚类准则函数 | 第29-32页 |
| ·主要聚类算法的分类 | 第32-36页 |
| ·划分方法 | 第32-33页 |
| ·层次方法 | 第33-34页 |
| ·基于密度的方法 | 第34-35页 |
| ·基于网格的方法 | 第35页 |
| ·基于模型的方法 | 第35-36页 |
| ·模糊聚类方法 | 第36页 |
| ·小结 | 第36-37页 |
| 4 聚类算法在商场顾客分析中的应用 | 第37-44页 |
| ·应用工具 | 第37页 |
| ·数据仓库的建立 | 第37-40页 |
| ·数据仓库的数据来源 | 第38-39页 |
| ·数据仓库的维表和事实表 | 第39-40页 |
| ·数据提取与整理 | 第40页 |
| ·数据挖掘模型与聚类结果分析 | 第40-43页 |
| ·顾客特征聚类分析 | 第40-42页 |
| ·顾客特征与商品类别聚类分析 | 第42-43页 |
| ·小结 | 第43-44页 |
| 5 K-means 算法改进研究 | 第44-58页 |
| ·K-means 算法的改进 | 第44-48页 |
| ·算法解释 | 第44-45页 |
| ·算法描述 | 第45-46页 |
| ·算法步骤 | 第46页 |
| ·算法的特点 | 第46-47页 |
| ·算法面临的主要问题 | 第47-48页 |
| ·算法中聚类结果对初始聚类中心的依赖 | 第48页 |
| ·层次凝聚算法 | 第48-49页 |
| ·层次凝聚算法解释 | 第48页 |
| ·层次凝聚算法基本思想 | 第48-49页 |
| ·K-means 算法的改进 | 第49-52页 |
| ·已有的初始中心选取方法 | 第49-50页 |
| ·算法分析 | 第50-51页 |
| ·新的初始聚类中心点选取法 | 第51-52页 |
| ·改进的K-means 算法执行步骤 | 第52页 |
| ·算法实验及其结果 | 第52-56页 |
| ·数据处理及其标准化 | 第52-54页 |
| ·实验结果 | 第54-56页 |
| ·小结 | 第56-58页 |
| 6 结论 | 第58-60页 |
| ·论文的主要工作 | 第58页 |
| ·进一步努力的方向 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附: 1 作者在攻读硕士学位期间发表的论文目录 | 第65-66页 |
| 独创性声明 | 第66页 |
| 学位论文版权使用授权书 | 第66页 |
