| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-16页 |
| ·本文的选题背景与研究意义 | 第6-7页 |
| ·国内外研究现状 | 第7-8页 |
| ·数据挖掘综述 | 第8-14页 |
| ·数据挖掘概述 | 第8-9页 |
| ·数据挖掘过程 | 第9页 |
| ·数据挖掘任务 | 第9-11页 |
| ·数据挖掘方法 | 第11-12页 |
| ·数据挖掘的应用与发展趋势 | 第12-14页 |
| ·本文的主要研究工作及内容安排 | 第14-16页 |
| ·本文的主要研究工作 | 第14页 |
| ·本文的内容安排 | 第14-16页 |
| 第二章 数据挖掘中的聚类分析 | 第16-26页 |
| ·聚类的定义 | 第16页 |
| ·聚类分析的应用 | 第16-17页 |
| ·聚类算法的要求 | 第17页 |
| ·聚类分析中的数据类型 | 第17-18页 |
| ·聚类分析中的相似度度量方法 | 第18-20页 |
| ·聚类分析中的聚类准则函数 | 第20-22页 |
| ·误差平方和准则函数G_c | 第20-21页 |
| ·加权平均平方距离和准则G_l | 第21-22页 |
| ·类间距离和准则G_b | 第22页 |
| ·主要聚类算法分类 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 层次聚类方法 | 第26-34页 |
| ·两种基本的层次聚类方法 | 第26-29页 |
| ·层次聚类方法存在的不足 | 第29页 |
| ·改进的层次聚类方法 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于划分的CURE 算法改进研究 | 第34-42页 |
| ·k-means 算法 | 第34-36页 |
| ·算法思想 | 第34-35页 |
| ·算法描述 | 第35页 |
| ·算法的特点 | 第35-36页 |
| ·k-means 算法面临的主要问题 | 第36页 |
| ·k-means 与CURE 相结合的算法—CCKMC | 第36-38页 |
| ·算法思想 | 第36-37页 |
| ·孤立点剔除时机选择 | 第37-38页 |
| ·实验结果分析 | 第38-41页 |
| ·时间复杂度分析 | 第38页 |
| ·算法性能分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 CCKMC 算法在彩色图像分割中的应用 | 第42-51页 |
| ·图像分割概述 | 第42-43页 |
| ·图像分割的数学描述 | 第43-44页 |
| ·基于CCKMC 的彩色图像分割 | 第44-50页 |
| ·图像分割算法 | 第45-47页 |
| ·图像分割基本流程 | 第47页 |
| ·实验结果分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 结束语 | 第51-53页 |
| ·论文的主要工作 | 第51页 |
| ·进一步工作展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 作者简历 在学期间发表的学术论文与研究成果 | 第57-58页 |