基于AP聚类的不完备数据处理方法的研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 背景知识 | 第16-34页 |
| 2.1 数据不完备问题 | 第16-20页 |
| 2.1.1 数据不完备问题的原因 | 第16-17页 |
| 2.1.2 数据不完备问题的分类 | 第17-18页 |
| 2.1.3 数据不完备问题的处理 | 第18-20页 |
| 2.2 聚类算法 | 第20-24页 |
| 2.2.1 聚类算法的介绍 | 第21页 |
| 2.2.2 聚类算法的分类 | 第21-22页 |
| 2.2.3 相似性的确定 | 第22-23页 |
| 2.2.4 类数目的确定 | 第23-24页 |
| 2.2.5 聚类评估 | 第24页 |
| 2.3 AP聚类 | 第24-27页 |
| 2.3.1 AP聚类的算法描述 | 第25-27页 |
| 2.3.2 AP聚类的算法分析 | 第27页 |
| 2.4 增量式AP聚类 | 第27-30页 |
| 2.4.1 增量学习 | 第27-28页 |
| 2.4.2 增量式AP聚类算法 | 第28-30页 |
| 2.5 K最近邻填补 | 第30-32页 |
| 2.5.1 K最近邻填补的介绍 | 第30-31页 |
| 2.5.2 K最近邻填补的缺陷 | 第31-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第三章 基于增量式AP聚类的K最近邻填补 | 第34-54页 |
| 3.1 不完备数据的处理 | 第34-42页 |
| 3.1.1 相似性度量 | 第34-35页 |
| 3.1.2 算法设计 | 第35页 |
| 3.1.3 增量式聚类 | 第35-39页 |
| 3.1.4 自适应K最近邻填补 | 第39-41页 |
| 3.1.5 算法流程 | 第41-42页 |
| 3.2 实验仿真 | 第42-53页 |
| 3.2.1 实验环境 | 第42页 |
| 3.2.2 实验设计 | 第42-44页 |
| 3.2.3 实验数据 | 第44页 |
| 3.2.4 实验分析 | 第44-51页 |
| 3.2.5 综合分析 | 第51-53页 |
| 3.3 本章小结 | 第53-54页 |
| 第四章 面向电商的数据预处理模块设计与实现 | 第54-72页 |
| 4.1 数据预处理 | 第54-57页 |
| 4.1.1 数据预处理的必要性 | 第54页 |
| 4.1.2 数据预处理的方法 | 第54-55页 |
| 4.1.3 数据预处理的任务划分 | 第55-56页 |
| 4.1.4 面向电商数据的预处理 | 第56-57页 |
| 4.2 模块架构设计 | 第57-59页 |
| 4.2.1 需求分析 | 第57页 |
| 4.2.2 功能框架 | 第57-59页 |
| 4.3 模块功能实现 | 第59-71页 |
| 4.3.1 模块架构技术 | 第59-60页 |
| 4.3.2 功能实现 | 第60-67页 |
| 4.3.3 模块展示 | 第67-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第五章 总结和展望 | 第72-74页 |
| 5.1 本文工作总结 | 第72页 |
| 5.2 进一步工作展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
