基于划分的聚类算法研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文主要内容 | 第10-12页 |
| 2 聚类分析算法及应用 | 第12-23页 |
| ·聚类分析定义 | 第14页 |
| ·常用的聚类分析算法 | 第14-20页 |
| ·基于划分的算法 | 第15-16页 |
| ·基于层次的算法 | 第16-17页 |
| ·基于密度的算法 | 第17-18页 |
| ·基于网格的算法 | 第18页 |
| ·几种常用算法比较 | 第18-20页 |
| ·聚类分析的应用实例 | 第20-23页 |
| 3 基于K均值聚类算法分析及其改进 | 第23-45页 |
| ·K均值算法 | 第23-27页 |
| ·K均值思想 | 第23-25页 |
| ·K均值分析及其缺点 | 第25-27页 |
| ·文本处理模型 | 第27-31页 |
| ·文本的表示 | 第28-29页 |
| ·中文文本的分词和预处理 | 第29-31页 |
| ·相似度及其计算 | 第31-35页 |
| ·TFIDF算法 | 第32-34页 |
| ·TFIDF的改进 | 第34-35页 |
| ·聚类分析中的孤立点的问题 | 第35-36页 |
| ·特征选择与降维 | 第36-40页 |
| ·特征降维的重要性 | 第37-38页 |
| ·特征数目对结果的影响 | 第38-40页 |
| ·一种初始聚类中心的选取方法 | 第40-45页 |
| ·算法思想 | 第40-42页 |
| ·算法步骤 | 第42-44页 |
| ·算法分析 | 第44-45页 |
| 4 基于K中心点聚类算法的改进 | 第45-51页 |
| ·K中心点比K均值的优越性 | 第45-46页 |
| ·基于目标函数极大值的改进 | 第46-48页 |
| ·基于初始聚类中心选择的改进 | 第48-51页 |
| 5 实验结果及应用 | 第51-58页 |
| ·聚类结果评价 | 第51-52页 |
| ·实验结果及分析 | 第52-56页 |
| ·算法应用 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |
