| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·课题研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·论文组织结构 | 第13-14页 |
| 2 聚类分析 | 第14-28页 |
| ·基本概论 | 第14-15页 |
| ·聚类分析定义 | 第14页 |
| ·聚类分析的工作流程 | 第14-15页 |
| ·聚类分析中的数据预处理 | 第15-23页 |
| ·数据结构 | 第15-16页 |
| ·差异度测量方法 | 第16-20页 |
| ·数据预处理方式 | 第20-22页 |
| ·聚类算法选择准则 | 第22-23页 |
| ·聚类分析算法 | 第23-26页 |
| ·聚类分析算法的评价 | 第26页 |
| ·聚类分析算法的特性 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 基于最近共享邻居节点的多中心聚类算法 | 第28-40页 |
| ·K-means聚类算法及其改进 | 第28-30页 |
| ·K-means算法的基本思想 | 第28-29页 |
| ·K-means算法的数学描述 | 第29页 |
| ·K-means算法的处理流程 | 第29页 |
| ·K-means算法的复杂度分析 | 第29-30页 |
| ·K-means算法的局限 | 第30页 |
| ·基于最近共享邻居节点的多中心聚类算法(KSNN) | 第30-35页 |
| ·最近共享邻居节点算法 | 第30-31页 |
| ·相关定义 | 第31页 |
| ·算法描述 | 第31-35页 |
| ·复杂度分析 | 第35页 |
| ·数学描述 | 第35页 |
| ·实验验证 | 第35-39页 |
| ·实验设置 | 第35-36页 |
| ·实验结果 | 第36-37页 |
| ·结果分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 4 基于节点优先级的聚类算法(CABONW) | 第40-51页 |
| ·基于密度的聚类算法 | 第40-41页 |
| ·基于密度算法的基本思想 | 第40页 |
| ·典型基于密度的算法 | 第40页 |
| ·基于密度算法存在的缺陷 | 第40-41页 |
| ·基于节点优先级的聚类算法 | 第41-47页 |
| ·节点间关系建立 | 第42-43页 |
| ·数据集排序 | 第43-46页 |
| ·搜索顺序表 | 第46-47页 |
| ·实验 | 第47-50页 |
| ·实验设置 | 第47页 |
| ·实验结果 | 第47-50页 |
| ·结果分析 | 第50页 |
| ·本章小结 | 第50-51页 |
| 5 聚类分析系统的设计与实现 | 第51-58页 |
| ·系统分析 | 第51页 |
| ·系统设计 | 第51-53页 |
| ·系统功能实现 | 第53-55页 |
| ·系统类图分析 | 第53-54页 |
| ·系统功能分析 | 第54-55页 |
| ·系统应用 | 第55-57页 |
| ·本章小结 | 第57-58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 |