| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景及选题意义 | 第13-14页 |
| 1.2 数据挖掘 | 第14-15页 |
| 1.3 聚类分析 | 第15-16页 |
| 1.4 K-means算法简介 | 第16-18页 |
| 1.4.1 K-means算法的思想 | 第16-17页 |
| 1.4.2 K-means算法的流程 | 第17页 |
| 1.4.3 K-means算法的优缺点 | 第17-18页 |
| 1.5 K-means算法的国内外研究现状 | 第18-20页 |
| 1.6 本文的主要内容及组织结构 | 第20-22页 |
| 第二章 现有改进K-means算法介绍 | 第22-29页 |
| 2.1 K值自适应K-means算法介绍 | 第22-24页 |
| 2.1.1 K值自适应K-means算法的思想 | 第22页 |
| 2.1.2 K值自适应K-means算法的流程 | 第22-23页 |
| 2.1.3 K值自适应K-means算法的优缺点 | 第23-24页 |
| 2.2 双层变量加权K-means算法介绍 | 第24-28页 |
| 2.2.1 双层变量加权聚类的介绍 | 第24-25页 |
| 2.2.2 双层变量加权K-means算法的思想 | 第25-27页 |
| 2.2.3 双层变量加权K-means算法的流程 | 第27-28页 |
| 2.2.4 双层变量加权K-means算法的优缺点 | 第28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 一种改进的自适应双层变量加权K-means算法 | 第29-38页 |
| 3.1 问题描述 | 第29页 |
| 3.2 改进的自适应双层变量加权K-means算法 | 第29-36页 |
| 3.2.1 改进的自适应双层变量加权K-means算法的原理 | 第29-35页 |
| 3.2.2 改进的自适应双层变量加权K-means算法的流程 | 第35-36页 |
| 3.3 改进的自适应双层变量加权K-means算法的参数设置 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 改进的算法与双层变量加权K-means算法的比较 | 第38-50页 |
| 4.1 仿真数据集介绍 | 第38-39页 |
| 4.2 参数λ、η对视图权重和变量权重的影响 | 第39-44页 |
| 4.3 改进的算法与双层变量加权K-means算法的比较 | 第44-49页 |
| 4.3.1 K值盲目性的改进 | 第44-47页 |
| 4.3.2 准确率和执行时间的比较 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 改进的算法与自适应K-means算法的比较 | 第50-55页 |
| 5.1 准确率的比较 | 第50-53页 |
| 5.2 执行时间的比较 | 第53页 |
| 5.3 本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 本文的主要工作 | 第55-56页 |
| 6.2 进一步工作内容 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |
