| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1.绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·聚类分析 | 第11-12页 |
| ·ATM 选址 | 第12-13页 |
| ·研究内容 | 第13-14页 |
| ·论文结构和创新点 | 第14-15页 |
| 2.聚类分析算法研究 | 第15-28页 |
| ·基于划分的方法 | 第15-20页 |
| ·K-MEANS 算法 | 第15-17页 |
| ·K-MEDOIDS 算法 | 第17-19页 |
| ·CLARA 和 CLARANS 算法 | 第19-20页 |
| ·基于层次的方法 | 第20-25页 |
| ·基本层次聚类算法 | 第20-22页 |
| ·BIRCH 算法 | 第22-24页 |
| ·Chameleon 算法 | 第24-25页 |
| ·基于密度的方法 | 第25-27页 |
| ·DBSCAN 算法 | 第25-26页 |
| ·OPTICS 算法 | 第26-27页 |
| ·小结 | 第27-28页 |
| 3.改进的 K-MEANS 算法 | 第28-38页 |
| ·算法的改进思路 | 第28-31页 |
| ·消除离群点影响 | 第28-29页 |
| ·确定划分个数 k 的最佳取值 | 第29-31页 |
| ·初始均值点改进 | 第31页 |
| ·算法流程及实现 | 第31-33页 |
| ·算法整体流程 | 第31-32页 |
| ·具体实现 | 第32-33页 |
| ·算法实验结果及分析 | 第33-37页 |
| ·离群点检测子程序 | 第33-35页 |
| ·最佳划分数子程序 | 第35-36页 |
| ·改进的 K-MEANS 算法 | 第36-37页 |
| ·小结 | 第37-38页 |
| 4.改进的 K-MEANS 算法在 ATM 选址中的应用 | 第38-50页 |
| ·选址模型分析 | 第38-46页 |
| ·商业设施经典选址模型理论 | 第38-41页 |
| ·影响 ATM 选址的因素 | 第41-44页 |
| ·构建 ATM 选址评价模型 | 第44-46页 |
| ·ATM 选址系统 | 第46-49页 |
| ·系统流程 | 第46页 |
| ·系统实现 | 第46-49页 |
| ·运行结果 | 第49页 |
| ·小结 | 第49-50页 |
| 5.结论与展望 | 第50-51页 |
| ·结论 | 第50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 作者简介 | 第55-56页 |