| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-25页 |
| ·数据挖掘的背景和意义 | 第11-12页 |
| ·数据挖掘技术的发展 | 第12-14页 |
| ·数据挖掘的研究现状 | 第14-15页 |
| ·学术领域 | 第14-15页 |
| ·工业领域 | 第15页 |
| ·数据挖掘的热点及趋势 | 第15-17页 |
| ·数据挖掘的热点 | 第15-17页 |
| ·数据挖掘的趋势 | 第17页 |
| ·数据挖掘的任务 | 第17-19页 |
| ·预测建模 | 第18页 |
| ·关联分析 | 第18页 |
| ·聚类分析 | 第18页 |
| ·异常检测 | 第18-19页 |
| ·时序模式分析 | 第19页 |
| ·数据挖掘语言介绍 | 第19-23页 |
| ·数据挖掘查询语言 | 第19-20页 |
| ·数据挖掘建模语言 | 第20-21页 |
| ·通用的数据挖掘语言 | 第21-23页 |
| ·论文内容和组织结构 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第2章 聚类 | 第25-38页 |
| ·聚类概述 | 第25-26页 |
| ·聚类数学描述及过程 | 第26-27页 |
| ·数据类型及相似性度量方式 | 第27-31页 |
| ·数据类型 | 第27-28页 |
| ·距离测度与相似性度量 | 第28-31页 |
| ·混合属性数据概述 | 第31页 |
| ·主要的聚类算法介绍 | 第31-35页 |
| ·基于层次的聚类算法 | 第32-33页 |
| ·基于划分的聚类算法 | 第33页 |
| ·基于网格的聚类算法 | 第33-34页 |
| ·基于密度的方法 | 第34页 |
| ·基于模型的聚类算法 | 第34页 |
| ·新的聚类算法 | 第34-35页 |
| ·混合属性数据聚类算法研究现状 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 基于维度频率相异度和强连通融合聚类算法 | 第38-50页 |
| ·引言 | 第38页 |
| ·改进的混合属性相异度计算方法 | 第38-41页 |
| ·改进分类属性原型选取方法 | 第38-39页 |
| ·维度频率相异度公式 | 第39-41页 |
| ·基于维度频率相异度和强连通融合聚类算法的模型和步骤 | 第41-45页 |
| ·相关概念和定义 | 第41-43页 |
| ·算法描述 | 第43-45页 |
| ·算法性能分析和实验结果 | 第45-48页 |
| ·算法性能分析 | 第45页 |
| ·仿真实验结果分析 | 第45-48页 |
| ·本章小结 | 第48-50页 |
| 第4章 基于属性距离的混合属性近邻传播聚类算法 | 第50-59页 |
| ·引言 | 第50页 |
| ·近邻传播算法的相关研究 | 第50-52页 |
| ·近邻传播算法（Affinity propagation，AP） | 第50-52页 |
| ·近邻传播算法的扩展 | 第52页 |
| ·基于维度属性距离的混合属性AP聚类算法模型 | 第52-56页 |
| ·维度属性距离计算公式 | 第53-55页 |
| ·算法描述以及步骤 | 第55-56页 |
| ·仿真实验 | 第56-58页 |
| ·仿真实验条件 | 第56页 |
| ·仿真实验结果分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 总结和展望 | 第59-61页 |
| ·本文主要工作 | 第59-60页 |
| ·课题研究展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间参加的科研项目和成果 | 第66页 |