数据挖掘K-means聚类算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状以及发展趋势 | 第10-12页 |
| 1.2.1 国内外研究现状 | 第10-11页 |
| 1.2.2 国内外发展趋势 | 第11-12页 |
| 1.3 本文的研究内容及创新 | 第12-13页 |
| 1.4 论文内容及安排 | 第13-15页 |
| 2 K-means聚类算法研究 | 第15-30页 |
| 2.1 聚类分析综述 | 第15-23页 |
| 2.1.1 数据结构 | 第16-17页 |
| 2.1.2 数据类型 | 第17-18页 |
| 2.1.3 聚类分析的相似度量 | 第18-20页 |
| 2.1.4 聚类分析的准则函数 | 第20-21页 |
| 2.1.5 聚类分析的划分 | 第21-23页 |
| 2.2 K-means聚类算法研究 | 第23-28页 |
| 2.2.1 K-means算法基本原理与步骤 | 第23-26页 |
| 2.2.2 K-means算法的优点 | 第26-27页 |
| 2.2.3 K-means算法的缺点 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 3 K-means算法的改进研究 | 第30-44页 |
| 3.1 最大距离自动生成k值算法 | 第30-38页 |
| 3.1.1 最大距离自动生成k值算法原理 | 第30页 |
| 3.1.2 最大距离自动生成k值算法的步骤与流程 | 第30-33页 |
| 3.1.3 仿真实验与结果分析 | 第33-38页 |
| 3.2 坐标旋转算法 | 第38-43页 |
| 3.2.1 坐标旋转算法原理分析 | 第38页 |
| 3.2.2 坐标旋转算法步骤与流程图 | 第38-41页 |
| 3.2.3 仿真实验与结果分析 | 第41-43页 |
| 3.3 本章小结 | 第43-44页 |
| 4 K-means算法在市场细分中的应用 | 第44-52页 |
| 4.1 市场细分的相关理论 | 第44-46页 |
| 4.1.1 市场细分的定义与步骤 | 第44-45页 |
| 4.1.2 市场细分的方法和标准 | 第45-46页 |
| 4.2 K-means算法在市场细分中的应用 | 第46-51页 |
| 4.2.1 数据准备 | 第46-48页 |
| 4.2.2 算法实验及其结果分析 | 第48-51页 |
| 4.3 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 论文的主要工作总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59-60页 |
| 致谢 | 第60页 |
