相关性加权K-means算法的改进及其应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-13页 |
| 第二章 数据挖掘及聚类分析 | 第13-24页 |
| 2.1 数据挖掘 | 第13-15页 |
| 2.1.1 数据挖掘概念 | 第13页 |
| 2.1.2 数据挖掘流程 | 第13-14页 |
| 2.1.3 数据挖掘主要任务 | 第14-15页 |
| 2.2 聚类分析 | 第15-19页 |
| 2.2.1 什么是聚类分析 | 第15-16页 |
| 2.2.2 聚类的原理及算法 | 第16-18页 |
| 2.2.3 聚类分析的过程 | 第18-19页 |
| 2.2.4 聚类性能的评估方法 | 第19页 |
| 2.3 K-means算法 | 第19-23页 |
| 2.3.1 K-means算法流程 | 第19-21页 |
| 2.3.2 K-means演变算法 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 K-means算法的研究与改进 | 第24-42页 |
| 3.1 初始化 | 第24-30页 |
| 3.1.1 问题的提出 | 第24页 |
| 3.1.2 方法的改进 | 第24-26页 |
| 3.1.3 实验结果的分析 | 第26-30页 |
| 3.2 k值自适应划分 | 第30-36页 |
| 3.2.1 问题的提出 | 第30-31页 |
| 3.2.2 方法的改进 | 第31-33页 |
| 3.2.3 实验结果的分析 | 第33-36页 |
| 3.3 距离相关性加权 | 第36-40页 |
| 3.3.1 问题的提出 | 第36-37页 |
| 3.3.2 方法的改进 | 第37-38页 |
| 3.3.3 实验结果的分析 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 改进算法在股票数据中的应用 | 第42-51页 |
| 4.1 股票数据的分析 | 第42-49页 |
| 4.2 结论 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间的研究成果 | 第57-58页 |
