| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-19页 |
| ·数据挖掘概述 | 第10-12页 |
| ·引言 | 第10页 |
| ·数据挖掘的定义 | 第10-11页 |
| ·数据挖掘的一般过程 | 第11-12页 |
| ·聚类分析技术 | 第12-17页 |
| ·什么是聚类 | 第12-15页 |
| ·聚类分析的应用 | 第15-16页 |
| ·聚类分析的研究现状 | 第16-17页 |
| ·本课题的主要研究内容 | 第17-19页 |
| ·主要工作 | 第17-18页 |
| ·论文的组织 | 第18-19页 |
| 第二章 聚类分析算法 | 第19-36页 |
| ·聚类分析的进一步描述 | 第19-21页 |
| ·几种聚类定义 | 第19-21页 |
| ·聚类分析中的数据类型 | 第21页 |
| ·聚类分析中的数据表示 | 第21-22页 |
| ·聚类分析中距离度量 | 第22-24页 |
| ·数值型变量的距离度量 | 第22-23页 |
| ·二值变量的距离度量 | 第23-24页 |
| ·聚类分析算法分类 | 第24-30页 |
| ·划分方法(partitioning method) | 第24-25页 |
| ·层次方法(hierarchical method) | 第25-26页 |
| ·基于密度的方法(density-based method) | 第26-27页 |
| ·基于网格的方法(grid-based method) | 第27页 |
| ·基于模型的方法(model-based method) | 第27-28页 |
| ·高维数据聚类算法 | 第28页 |
| ·海量数据聚类算法 | 第28-30页 |
| ·常用的聚类分析方法比较 | 第30-36页 |
| ·聚类算法的典型要求 | 第30-31页 |
| ·常用聚类算法的比较分析 | 第31-36页 |
| 第三章 覆盖算法和商空间粒度原理 | 第36-46页 |
| ·覆盖算法的介绍 | 第36-41页 |
| ·M-P神经元的几何意义 | 第36-37页 |
| ·交叉覆盖算法 | 第37-41页 |
| ·商空间粒度原理简介 | 第41-46页 |
| ·商空间粒度的描述 | 第42-43页 |
| ·粒度世界的数学模型 | 第43-44页 |
| ·粒度世界性质的保持性 | 第44-46页 |
| 第四章 商空间粒度覆盖聚类算法 | 第46-57页 |
| ·基于商空间粒度的覆盖聚类算法 | 第46-51页 |
| ·聚类中的粒度原理 | 第46-48页 |
| ·粒度的选择 | 第48-50页 |
| ·基于商空间粒度的覆盖算法描述 | 第50-51页 |
| ·实验和结果分析 | 第51-56页 |
| ·评价标准 | 第51-52页 |
| ·实验数据 | 第52-56页 |
| ·结论 | 第56-57页 |
| 第五章 文本聚类中特征选择算法的改进 | 第57-66页 |
| ·文本聚类预处理 | 第57-59页 |
| ·文本的表示 | 第57-58页 |
| ·去除停用词和稀有词 | 第58页 |
| ·文本聚类中特征选择存在的问题 | 第58-59页 |
| ·基于IG和 DBSCAN的文本聚类特征选择算法 | 第59-65页 |
| ·几种常见的特征选择方法 | 第59-61页 |
| ·算法描述 | 第61-62页 |
| ·实验和分析 | 第62-65页 |
| ·结论 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·研究成果 | 第66-67页 |
| ·对算法的展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 附录A 图索引 | 第73-74页 |
| 附录B 表索引 | 第74-75页 |
| 导师作者简介 | 第75-76页 |
| 攻读硕士学位期间发表的论文 | 第76-77页 |
| 致谢 | 第77页 |
