| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·课题研究的背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文的主要研究内容和结构安排 | 第11-13页 |
| 第2章 数据挖掘中的聚类分析 | 第13-25页 |
| ·引言 | 第13页 |
| ·聚类分析中的数据结构和数据类型 | 第13-18页 |
| ·数据结构 | 第13-14页 |
| ·聚类分析的数据类型 | 第14-17页 |
| ·聚类准则的确定 | 第17-18页 |
| ·数据挖掘中的聚类分析算法 | 第18-22页 |
| ·划分聚类算法 | 第18页 |
| ·层次聚类算法 | 第18-20页 |
| ·基于密度的聚类算法 | 第20页 |
| ·基于网格的聚类算法 | 第20-21页 |
| ·基于模型的聚类算法 | 第21-22页 |
| ·模糊聚类算法 | 第22页 |
| ·聚类结果的评价 | 第22-24页 |
| ·本章小节 | 第24-25页 |
| 第3章 基于k-means的变量加权聚类算法的研究 | 第25-39页 |
| ·引言 | 第25页 |
| ·基本的K-MEANS聚类算法 | 第25-28页 |
| ·k-means算法的基本思想 | 第25-26页 |
| ·k-means算法的主要步骤 | 第26-27页 |
| ·k-means算法的优缺点 | 第27-28页 |
| ·基于K-MEANS改进后的W-K-MEANS算法 | 第28-33页 |
| ·变量的选择和权重对聚类结果的影响 | 第28-30页 |
| ·W-k-means算法的基本原理 | 第30-31页 |
| ·W-k-means算法的主要步骤 | 第31-32页 |
| ·W-k-means算法中变量权重的计算 | 第32页 |
| ·W-k-means算法的可扩展性和时间复杂性 | 第32-33页 |
| ·W-K-MEANS算法的实验结果分析 | 第33-38页 |
| ·合成数据集合 | 第33页 |
| ·实验结果评价方法 | 第33-34页 |
| ·实验结果分析 | 第34-38页 |
| ·实验结论 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第4章 处理多数据类型的变量加权聚类算法 | 第39-49页 |
| ·引言 | 第39页 |
| ·K-MODE聚类算法 | 第39-40页 |
| ·K-PROTOTYPES聚类算法 | 第40-42页 |
| ·处理分类属性的变量加权算法W-K-MODE | 第42-43页 |
| ·处理数值和分类混合属性的变量加权算法W-K-PROTOTYPES | 第43-45页 |
| ·实验结果分析 | 第45-48页 |
| ·本章小节 | 第48-49页 |
| 第5章 聚类分析系统的设计与实现 | 第49-63页 |
| ·引言 | 第49页 |
| ·系统参考标准 | 第49页 |
| ·系统总体设计 | 第49-50页 |
| ·系统功能实现 | 第50-62页 |
| ·数据访问模块 | 第50-53页 |
| ·数据预处理模块 | 第53-58页 |
| ·模型构建模块 | 第58-62页 |
| ·本章小节 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |
