| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景及研究意义 | 第9-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-12页 |
| 1.3 本文主要内容及组织结构 | 第12-14页 |
| 1.3.1 本文主要研究内容 | 第12-13页 |
| 1.3.2 论文的章节安排 | 第13-14页 |
| 第2章 聚类分析技术 | 第14-23页 |
| 2.1 聚类分析技术概述 | 第14-15页 |
| 2.2 聚类分析中的度量函数 | 第15-18页 |
| 2.3 聚类算法的基本要求 | 第18-19页 |
| 2.4 常用聚类算法分类 | 第19-22页 |
| 2.4.1 基于划分的聚类算法 | 第19-20页 |
| 2.4.2 基于层次的聚类算法 | 第20页 |
| 2.4.3 基于密度的聚类算法 | 第20-21页 |
| 2.4.4 基于网格的聚类算法 | 第21页 |
| 2.4.5 基于模型的聚类算法 | 第21页 |
| 2.4.6 其他常见聚类算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 k-means聚类算法 | 第23-28页 |
| 3.1 经典k-means聚类算法介绍 | 第23页 |
| 3.2 k-means算法的研究现状 | 第23-24页 |
| 3.3 k-means算法实现步骤描述 | 第24-26页 |
| 3.4 k-means算法的优缺点分析 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第4章 初始中心点优化k-means算法 | 第28-34页 |
| 4.1 问题的提出 | 第28-30页 |
| 4.2 密度参数优化的k-means算法 | 第30-31页 |
| 4.3 实验结果与分析 | 第31-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第5章 改进k-means聚类数确定方法 | 第34-45页 |
| 5.1 现有的k-means聚类数确定方法 | 第34-36页 |
| 5.2 聚类中心优化的k-means最佳聚类数确定方法 | 第36-41页 |
| 5.2.1 获得初始中心点候选集 | 第36-38页 |
| 5.2.2 新的聚类有效性指标 | 第38-40页 |
| 5.2.3 最佳聚类数确定算法描述 | 第40-41页 |
| 5.3 实验结果与分析 | 第41-44页 |
| 5.4 本章小结 | 第44-45页 |
| 第6章 总结与展望 | 第45-47页 |
| 6.1 论文总结 | 第45页 |
| 6.2 下一步的工作 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士学位期间学术论文发表情况 | 第52-53页 |
| 附录 | 第53-54页 |
| 附录A 图索引 | 第53页 |
| 附录B 表索引 | 第53-54页 |
| Appendix | 第54页 |
| Appendix A Figure Index | 第54页 |
| Appendix B Table Index | 第54页 |