高属性维稀疏数据动态抽象聚类方法研究
| 第一章 绪论 | 第1-16页 |
| ·引言 | 第9页 |
| ·数据挖掘 | 第9-12页 |
| ·什么是数据挖掘 | 第10页 |
| ·数据挖掘的过程 | 第10-11页 |
| ·数据挖掘研究的主要内容 | 第11-12页 |
| ·数据挖掘中的聚类分析 | 第12页 |
| ·数据聚类研究的意义 | 第12-13页 |
| ·本课题研究的背景 | 第13-14页 |
| ·本课题研究的内容与结构 | 第14-16页 |
| ·研究内容 | 第14-15页 |
| ·创新点与特色 | 第15页 |
| ·本文的组织结构 | 第15-16页 |
| 第二章 聚类分析方法及待解决的问题 | 第16-24页 |
| ·模式识别 | 第16-18页 |
| ·模式识别的发展和应用 | 第16-17页 |
| ·模式识别的分类 | 第17页 |
| ·模式识别在聚类分析中的应用 | 第17-18页 |
| ·机器学习 | 第18页 |
| ·聚类与分类的区别 | 第18页 |
| ·聚类方法的主要分类 | 第18-23页 |
| ·基于划分的方法 | 第19页 |
| ·基于层次的方法 | 第19-20页 |
| ·基于密度的方法 | 第20-21页 |
| ·基于网格的方法 | 第21-22页 |
| ·基于模型的方法 | 第22-23页 |
| ·聚类分析中待解决的问题 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 高属性维数据聚类技术 | 第24-30页 |
| ·聚类分析中的数据结构 | 第24-25页 |
| ·聚类分析中的数据矩阵 | 第24页 |
| ·聚类分析中的差异度矩阵 | 第24-25页 |
| ·聚类分析中的数据类型 | 第25-27页 |
| ·区间标度变量 | 第25-26页 |
| ·标称型、序数型和比例标度型变量 | 第26页 |
| ·二元变量 | 第26页 |
| ·混合类型变量 | 第26-27页 |
| ·数据集中的孤立点检测 | 第27-28页 |
| ·基于统计学的孤立点检测 | 第27页 |
| ·基于距离的孤立点检测 | 第27-28页 |
| ·基于偏离的孤立点检测 | 第28页 |
| ·聚类质量评价 | 第28页 |
| ·聚类分析的常用方法 | 第28-29页 |
| ·系统聚类法 | 第28-29页 |
| ·动态聚类法 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于稀疏属性差异度的动态聚类新方法 | 第30-43页 |
| ·传统聚类距离计算方法的缺陷 | 第30-32页 |
| ·高属性维稀疏数据动态聚类新方法 | 第32-34页 |
| ·高属性维稀疏数据聚类概念 | 第32-33页 |
| ·二态属性值取值计算 | 第33页 |
| ·稀疏属性差异度计算 | 第33页 |
| ·最小生成树的构建 | 第33-34页 |
| ·基于稀疏属性差异度的动态聚类新方法 | 第34页 |
| ·高维稀疏数据动态聚类算法举例 | 第34-37页 |
| ·基于属性加权的动态聚类算法 | 第37-42页 |
| ·属性加权差异度计算方法 | 第38页 |
| ·基于属性加权的动态聚类方法 | 第38-39页 |
| ·算法实验过程 | 第39-42页 |
| ·算法分析与比较 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于模糊聚类的高维稀疏数据动态聚类方法 | 第43-56页 |
| ·多元相似度 | 第43-44页 |
| ·模糊相似矩阵 | 第44页 |
| ·模糊等价闭包法 | 第44-45页 |
| ·基于对象多元相似度和模糊等价闭包的聚类算法 | 第45页 |
| ·算法的实验过程 | 第45-48页 |
| ·基于属性加权的动态模糊聚类算法 | 第48-55页 |
| ·属性加权的多元相似度计算方法 | 第48-49页 |
| ·基于属性加权的动态模糊聚类方法 | 第49页 |
| ·实例分析 | 第49-52页 |
| ·实验主要过程代码 | 第52-55页 |
| ·算法分析与比较 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-57页 |
| ·本文的工作总结 | 第56页 |
| ·工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表的学术论文及参与的科研项目 | 第62页 |
