| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| 1-1 课题研究现状 | 第8-9页 |
| 1-1-1 数据挖掘研究现状 | 第8-9页 |
| 1-1-2 K均值算法改进研究 | 第9页 |
| 1-2 课题研究的意义 | 第9-10页 |
| 1-3 论文主要内容 | 第10-11页 |
| 1-4 论文结构安排 | 第11-12页 |
| 第二章 数据挖掘及聚类分析理论 | 第12-19页 |
| 2-1 数据挖掘的定义及任务 | 第12-13页 |
| 2-1-1 数据挖掘的定义 | 第12页 |
| 2-1-2 数据挖掘的任务 | 第12-13页 |
| 2-2 聚类分析概念及应用 | 第13页 |
| 2-2-1 聚类分析定义 | 第13页 |
| 2-2-2 聚类分析应用 | 第13页 |
| 2-3 聚类分析的原理步骤 | 第13-15页 |
| 2-4 聚类算法的要求 | 第15页 |
| 2-5 聚类测度方法和准则函数 | 第15-17页 |
| 2-5-1 聚类分析的相似测度 | 第15-17页 |
| 2-5-2 聚类准则函数 | 第17页 |
| 2-6 聚类算法的分类 | 第17-19页 |
| 第三章 基于模拟退火的 K 均值聚类算法 | 第19-31页 |
| 3-1 K 均值算法 | 第19-21页 |
| 3-1-1 K 均值算法的核心思想 | 第19-20页 |
| 3-1-2 K 均值算法流程 | 第20页 |
| 3-1-3 K 均值算法的优缺点 | 第20-21页 |
| 3-2 模拟退火算法 | 第21-24页 |
| 3-2-1 模拟退火算法原理 | 第21-22页 |
| 3-2-2 模拟退火算法步骤 | 第22页 |
| 3-2-3 关键参数设置 | 第22页 |
| 3-2-4 模拟退火算法流程 | 第22-24页 |
| 3-3 基于模拟退火的K 均值聚类算法 | 第24-31页 |
| 3-3-1 SAKM 算法的结合思想 | 第24页 |
| 3-3-2 SAKM 算法具体步骤 | 第24页 |
| 3-3-3 SAKM 算法流程 | 第24-26页 |
| 3-3-4 SAKM 算法参数设置 | 第26页 |
| 3-3-5 DK-t0 选取法 | 第26-27页 |
| 3-3-6 SAKM 算法数据分析实验 | 第27-31页 |
| 第四章 基于模拟退火的 K 调和均值聚类算法 | 第31-42页 |
| 4-1 K 调和均值算法 | 第31-33页 |
| 4-1-1 K 调和均值算法核心思想 | 第31-32页 |
| 4-1-2 K 调和均值算法步骤 | 第32页 |
| 4-1-3 K 调和均值算法流程 | 第32-33页 |
| 4-2 基于模拟退火的K 调和均值聚类算法 | 第33-42页 |
| 4-2-1 SAKHM 算法研究的难点 | 第33页 |
| 4-2-2 SAKHM 算法参数设置 | 第33-34页 |
| 4-2-3 KH&K 算法结合法 | 第34页 |
| 4-2-4 SAKHM 算法具体步骤 | 第34页 |
| 4-2-5 SAKHM 算法流程 | 第34-35页 |
| 4-2-6 SAKHM 算法伪代码 | 第35-36页 |
| 4-2-7 KM、SAKM、SAKHM 算法实验研究及结果对比 | 第36-42页 |
| 第五章 基于模拟退火的 K 调和均值聚类算法的应用 | 第42-50页 |
| 5-1 “校讯通”系统简介 | 第42-44页 |
| 5-1-1 “校讯通”系统主要功能 | 第42-43页 |
| 5-1-2 “校讯通”系统数据库结构 | 第43-44页 |
| 5-2 聚类过程 | 第44-48页 |
| 5-2-1 数据来源及属性 | 第44页 |
| 5-2-2 数据预处理 | 第44-45页 |
| 5-2-3 数据属性的选择 | 第45-46页 |
| 5-2-4 数据标准化 | 第46-47页 |
| 5-2-5 数据集聚类 | 第47-48页 |
| 5-3 聚类结果及分析 | 第48-50页 |
| 5-3-1 聚类结果 | 第48页 |
| 5-3-2 结果分析 | 第48-49页 |
| 5-3-3 “校讯通”系统数据库聚类分析结论 | 第49-50页 |
| 第六章 总结和展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间所取得的相关成果 | 第54页 |