K-means聚类算法的改进研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 导论 | 第7-13页 |
| 1.1 国内外相关研究现状 | 第7-8页 |
| 1.2 选题的目的和意义 | 第8-10页 |
| 1.3 研究内容和研究方法 | 第10-13页 |
| 第2章 数据挖掘中的聚类分析 | 第13-23页 |
| 2.1 聚类分析的基础知识 | 第13-14页 |
| 2.2 聚类算法的要求 | 第14-16页 |
| 2.3 聚类算法的分类 | 第16-18页 |
| 2.3.1 划分的方法 | 第16页 |
| 2.3.2 层次的方法 | 第16-17页 |
| 2.3.3 基于密度的方法 | 第17-18页 |
| 2.3.4 基于网格的方法 | 第18页 |
| 2.4 聚类分析中的数据结构 | 第18-19页 |
| 2.5 聚类分析中的相似性度量 | 第19-20页 |
| 2.6 聚类准则函数 | 第20-23页 |
| 第3章 改进的聚类算法 | 第23-29页 |
| 3.1 SFC选取两个最佳初始聚类中心 | 第23-24页 |
| 3.2 聚类中心近邻的查找 | 第24-25页 |
| 3.3 K-2 个聚类中心的查找 | 第25-26页 |
| 3.4 改进算法的整体描述 | 第26-29页 |
| 第4章 实验结果及分析 | 第29-41页 |
| 4.1 入侵检测技术的介绍 | 第29-32页 |
| 4.2 实验数据介绍 | 第32-33页 |
| 4.3 数据的预处理 | 第33-36页 |
| 4.4 仿真实验结果及分析 | 第36-41页 |
| 第5章 总结与展望 | 第41-43页 |
| 参考文献 | 第43-47页 |
| 致谢 | 第47-48页 |
