| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的目的及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 课题的来源及其研究内容 | 第14-16页 |
| 1.3.1 课题的来源 | 第14页 |
| 1.3.2 课题研究内容 | 第14-16页 |
| 第2章 聚类算法概述 | 第16-21页 |
| 2.1 聚类分析原理介绍 | 第16-17页 |
| 2.2 传统聚类算法介绍 | 第17-19页 |
| 2.2.1 基于划分的聚类 | 第17页 |
| 2.2.2 基于层次的聚类 | 第17-18页 |
| 2.2.3 基于密度的聚类 | 第18页 |
| 2.2.4 基于网格的聚类 | 第18页 |
| 2.2.5 基于模型的聚类 | 第18-19页 |
| 2.3 不确定数据聚类算法 | 第19-20页 |
| 2.3.1 基于划分的不确定数据聚类算法 | 第19-20页 |
| 2.3.2 基于密度的不确定数据聚类算法 | 第20页 |
| 2.3.3 其它不确定数据聚类算法 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 障碍空间不确定数据聚类算法 | 第21-36页 |
| 3.1 基础知识介绍 | 第21-23页 |
| 3.1.1 三角模糊数 | 第21-22页 |
| 3.1.2 障碍空间中基于密度的聚类算法 | 第22-23页 |
| 3.2 障碍空间中基于Voronoi图的不确定密度聚类算法 | 第23-30页 |
| 3.2.1 初始数据对象选取 | 第23-25页 |
| 3.2.2 障碍约束情况分析 | 第25-28页 |
| 3.2.3 障碍不确定密度聚类算法 | 第28-30页 |
| 3.2.4 基于Voronoi图的障碍不确定聚类算法 | 第30页 |
| 3.3 算法实验分析 | 第30-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 高维空间不确定数据聚类算法 | 第36-48页 |
| 4.1 基础知识介绍 | 第36-38页 |
| 4.1.1 投影子空间 | 第36-37页 |
| 4.1.2 直觉模糊相对熵 | 第37-38页 |
| 4.2 高维空间中基于子空间的不确定模糊聚类算法 | 第38-44页 |
| 4.2.1 局部最优解算法 | 第38-40页 |
| 4.2.2 初始解生成算法 | 第40-41页 |
| 4.2.3 高维不确定模糊聚类 | 第41-43页 |
| 4.2.4 基于投影子空间的高维不确定聚类算法 | 第43-44页 |
| 4.3 算法实验分析 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 攻读硕士学位期间所发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |