| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-15页 |
| ·课题的研究背景及意义 | 第11-12页 |
| ·国内外研究状况 | 第12-13页 |
| ·论文的主要内容 | 第13-14页 |
| ·论文的组织与结构 | 第14-15页 |
| 第二章 聚类算法综述 | 第15-26页 |
| ·聚类相关理论知识 | 第15-22页 |
| ·聚类定义 | 第15页 |
| ·聚类分析过程 | 第15-16页 |
| ·聚类分析中的数据类型及其距离度量 | 第16-20页 |
| ·聚类数据的标准化 | 第20-21页 |
| ·聚类准则函数 | 第21-22页 |
| ·主要聚类算法 | 第22-24页 |
| ·基于划分的方法（Partitioning method） | 第22-23页 |
| ·基于层次的方法（hierarchical method） | 第23页 |
| ·基于密度的方法（density-based methord） | 第23页 |
| ·基于网格的方法（grid-based methord） | 第23-24页 |
| ·基于模型的方法（model-based method） | 第24页 |
| ·聚类算法面临的挑战 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 模糊聚类算法分析 | 第26-34页 |
| ·模糊理论基础 | 第26-30页 |
| ·模糊集合 | 第26-29页 |
| ·模糊关系 | 第29-30页 |
| ·硬c-均值聚类算法(HCM) | 第30-31页 |
| ·模糊c-均值聚类算法(FCM) | 第31-32页 |
| ·模糊c-均值聚类算法(FCM)的优缺点 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 自适应模糊聚类算法A-FCM的设计与实现 | 第34-53页 |
| ·A-FCM算法概述 | 第34-35页 |
| ·簇初始中心点的选取 | 第35-39页 |
| ·最大最小距离法 | 第35-38页 |
| ·本文中的FCM算法 | 第38-39页 |
| ·簇的分裂策略 | 第39-40页 |
| ·最佳聚类数目K的估计 | 第40-41页 |
| ·基于有效性指标确定最佳聚类数目的FCM算法 | 第40-41页 |
| ·基于簇内方差变化量的比值确定最佳聚类数目的A-FCM算法 | 第41页 |
| ·A-FCM算法描述 | 第41-44页 |
| ·实验结果及分析 | 第44-52页 |
| ·z-score标准化 | 第44页 |
| ·A-FCM算法在数值型数据集上的实验与分析 | 第44-52页 |
| wine数据集 | 第45-47页 |
| IRIS数据集 | 第47-49页 |
| glass数据集 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 A-FCM算法在系统质量属性分类型数据中的应用 | 第53-71页 |
| ·质量属性概述 | 第53页 |
| ·质量属性场景 | 第53-55页 |
| ·质量属性聚类分析 | 第55-61页 |
| ·数据的收集 | 第55-56页 |
| ·数据预处理 | 第56-59页 |
| ·质量属性间的距离度量 | 第59-61页 |
| ·聚类中心选取策略 | 第61-66页 |
| ·模糊k-modes聚类算法 | 第61-63页 |
| ·近似中位数选取算法 | 第63-64页 |
| ·A-FCM算法验证 | 第64-66页 |
| ·实验设计与分析 | 第66-70页 |
| ·数据库设计 | 第66-67页 |
| ·实验结果与分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 结论与展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77页 |
