聚类分析中基于投影的κ均值算法

摘要	第1-7页
Abstract	第7-8页
第一章 绪论	第8-10页
·课题研究背景和意义	第8-9页
·研究内容与主要创新	第9-10页
第二章 数据处理	第10-13页
·数据预处理	第10-12页
·数据处理的方式	第12-13页
第三章 聚类分析及主要算法	第13-27页
·聚类分析定义	第13-15页
·主要聚类方法分析	第15-22页
·划分方法：k均值和k中心点算法	第15-16页
·基于层次的方法：BIRCH算法	第16-18页
·基于密度的方法：DBSCAN和OPTICS算法	第18-20页
·基于网格的方法：CLIQUE算法	第20-21页
·基于模型的方法：EM算法	第21-22页
·现阶段聚类分析研究的典型要求	第22-24页
·聚类分析中的数据类型	第24-27页
第四章 k均值聚类算法的各种改进方法	第27-32页
·初始聚类中心改进	第27-29页
·基于核函数距离的k均值改进算法	第29-30页
·聚类均值点与聚类中心相分离的k均值改进算法	第30-31页
·对大型高维稀疏数据集的改进方法	第31-32页
·针对分类属性的k-modes方法	第32页
第五章 基于投影的k均值算法	第32-39页
·iDistance降维方法	第32-33页
·投影寻踪理论	第33-34页
·基于投影的k均值算法	第34-35页
·用最小二乘法获取较优的投影方向	第35-36页
·算法实验结果与分析	第36-39页
参考文献	第39-43页
致谢	第43页