| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 相关理论基础 | 第16-32页 |
| 2.1 聚类分析概述及相关术语 | 第16-17页 |
| 2.2 聚类算法分类 | 第17-26页 |
| 2.2.1 基于划分方法的聚类算法 | 第17-21页 |
| 2.2.2 基于层次方法的聚类算法 | 第21-23页 |
| 2.2.3 基于密度方法的聚类算法 | 第23-25页 |
| 2.2.4 基于网格方法的聚类算法 | 第25页 |
| 2.2.5 基于模型方法的聚类算法 | 第25-26页 |
| 2.3 不同聚类算法的性能分析 | 第26-27页 |
| 2.4 聚类有效性指标综述 | 第27-30页 |
| 2.4.1 聚类划分结果的评价指标 | 第27页 |
| 2.4.2 聚类有效性指标分类 | 第27-28页 |
| 2.4.3 常用的聚类有效性指标 | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 划分聚类算法新聚类有效性指标的研究 | 第32-50页 |
| 3.1 引言 | 第32-33页 |
| 3.2 新聚类有效性指标的研究 | 第33-39页 |
| 3.2.1 传统K-means聚类算法的改进 | 第33-35页 |
| 3.2.2 利用方差构造新聚类有效性指标 | 第35-39页 |
| 3.2.3 基于方差的新聚类有效性指标的K值优化与确定算法 | 第39页 |
| 3.3 实验结果与分析 | 第39-49页 |
| 3.3.1 实验数据集的描述 | 第40页 |
| 3.3.2 数据集的空间分布状态 | 第40-43页 |
| 3.3.3 改进的K-means算法聚类划分正确率 | 第43-44页 |
| 3.3.4 聚类有效性指标的对比分析 | 第44-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 层次聚类算法新聚类有效性指标的研究 | 第50-65页 |
| 4.1 引言 | 第50页 |
| 4.2 新聚类有效性指标的研究 | 第50-55页 |
| 4.2.1 Average-Linkage层次聚类算法描述 | 第50-52页 |
| 4.2.2 最小生成树和Prim算法的描述 | 第52-53页 |
| 4.2.3 利用生成树构造新聚类有效性指标 | 第53-54页 |
| 4.2.4 基于生成树的新聚类有效性指标的K值优化与确定算法 | 第54-55页 |
| 4.3 实验结果与分析 | 第55-64页 |
| 4.3.1 实验数据集的描述 | 第56页 |
| 4.3.2 数据集的空间分布状态 | 第56-58页 |
| 4.3.3 Average-Linkage层次聚类算法的聚类正确率 | 第58-59页 |
| 4.3.4 不同聚类有效性指标的对比分析 | 第59-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-68页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-75页 |
| 附录 | 第75-77页 |
| Appendix | 第77-79页 |
| 致谢 | 第79-80页 |
| 学位期间发表的学术论文及参与项目 | 第80页 |
