| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-11页 |
| ·国内外研究概况 | 第11-13页 |
| ·数据挖掘现状 | 第11-12页 |
| ·聚类研究现状 | 第12-13页 |
| ·本文工作 | 第13-14页 |
| ·本文结构 | 第14-15页 |
| 第二章 聚类概述 | 第15-30页 |
| ·聚类 | 第15-16页 |
| ·聚类概念 | 第15-16页 |
| ·聚类过程 | 第16页 |
| ·聚类相似性度量 | 第16-19页 |
| ·数据结构 | 第16-17页 |
| ·相似性度量方法 | 第17-19页 |
| ·聚类准则 | 第19-21页 |
| ·聚类评价 | 第21-23页 |
| ·聚类方法 | 第23-24页 |
| ·聚类方法 | 第23页 |
| ·常用算法 | 第23-24页 |
| ·K-means 算法 | 第24-28页 |
| ·算法思想 | 第25页 |
| ·算法流程 | 第25页 |
| ·算法特点 | 第25-28页 |
| ·聚类应用 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于初始中心点优化的K-means 粗糙聚类算法 | 第30-46页 |
| ·K-means 算法对初值的依赖性 | 第30-32页 |
| ·粗糙K-means 聚类算法 | 第32-34页 |
| ·粗糙集理论 | 第32-33页 |
| ·粗糙K-means 聚类算法 | 第33-34页 |
| ·基本定义 | 第34-35页 |
| ·高密度区域选取方法 | 第35-36页 |
| ·初始中心点优化算法 | 第36-37页 |
| ·算法思想 | 第36页 |
| ·算法流程 | 第36-37页 |
| ·算法分析 | 第37页 |
| ·基于初始中心点优化的K-means 算法 | 第37页 |
| ·基于初始中心点优化的K-means 粗糙聚类算法 | 第37-39页 |
| ·基本定义 | 第38页 |
| ·算法描述 | 第38-39页 |
| ·算法分析 | 第39页 |
| ·仿真实验 | 第39-45页 |
| ·实验设计 | 第40页 |
| ·实验结果与分析 | 第40-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于差分进化算法的K-means 聚类算法 | 第46-56页 |
| ·差分进化算法 | 第46-50页 |
| ·研究背景 | 第46-47页 |
| ·基本思想 | 第47-48页 |
| ·算法特点 | 第48-49页 |
| ·算法研究及应用 | 第49-50页 |
| ·基于差分进化算法的K-means 聚类算法 | 第50-54页 |
| ·基本思想 | 第50-52页 |
| ·算法流程 | 第52-53页 |
| ·复杂度分析 | 第53-54页 |
| ·实验结果及分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 结论与展望 | 第56-58页 |
| ·结论 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 附录A （攻读硕士学位期间发表录用论文） | 第63-64页 |
| 详细摘要 | 第64-70页 |
