| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·主要研究内容 | 第12-13页 |
| ·论文的组成结构 | 第13-14页 |
| 第二章 预备知识 | 第14-25页 |
| ·数据挖掘的发展 | 第14-15页 |
| ·数据挖掘发展概述 | 第14页 |
| ·数据挖掘的挑战与未来研究方向 | 第14-15页 |
| ·数据挖掘的任务和过程 | 第15-17页 |
| ·数据挖掘的任务 | 第15-16页 |
| ·数据挖掘的过程 | 第16-17页 |
| ·聚类概述 | 第17-18页 |
| ·粗糙集理论概述 | 第18-19页 |
| ·粗糙集理论的发展 | 第18-19页 |
| ·粗糙集理论的特点 | 第19页 |
| ·粗糙集理论的基础知识 | 第19-22页 |
| ·知识表达系统 | 第19-21页 |
| ·不可分辩关系 | 第21页 |
| ·集合的上、下近似 | 第21-22页 |
| ·基于粗糙集理论的数据挖掘方法研究现状 | 第22-24页 |
| ·粗糙集模型拓展方面的研究 | 第22页 |
| ·基于粗糙集理论的高效算法的研究 | 第22-23页 |
| ·粗糙集与其它智能分析方法的融合 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于粗糙集的BIRCH 算法 | 第25-46页 |
| ·分层聚类法 | 第25-31页 |
| ·最短距离法 | 第25-27页 |
| ·最长距离法 | 第27-28页 |
| ·中间距离法 | 第28-30页 |
| ·其他方法 | 第30-31页 |
| ·利用分层的平衡迭代归约及聚类 | 第31-38页 |
| ·聚类特征及CF-树 | 第31-34页 |
| ·CF-树重建算法 | 第34-35页 |
| ·BIRCH 聚类算法 | 第35-38页 |
| ·多阈值BIRCH 聚类算法 | 第38-41页 |
| ·BIRCH 算法的缺陷 | 第38页 |
| ·聚类特征与阈值T | 第38-40页 |
| ·算法分析 | 第40-41页 |
| ·基于粗糙集的BIRCH 算法 | 第41-45页 |
| ·引言 | 第41页 |
| ·聚类特征，阈值T 与聚类质点 | 第41-42页 |
| ·算法分析 | 第42-44页 |
| ·时间复杂性分析 | 第44页 |
| ·实验分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于K-均值聚类和凝聚聚类的离群点查找方法 | 第46-55页 |
| ·离群点查找 | 第47-48页 |
| ·离群点定义 | 第47页 |
| ·数据流离群点检测 | 第47-48页 |
| ·K-均值聚类与凝聚聚类 | 第48-49页 |
| ·K-均值聚类 | 第48-49页 |
| ·凝聚聚类 | 第49页 |
| ·基于K-均值聚类和凝聚聚类的离群点查找方法 | 第49-54页 |
| ·均值参考点 | 第50-51页 |
| ·阈值设置 | 第51页 |
| ·算法思想 | 第51页 |
| ·时间复杂性分析 | 第51-52页 |
| ·实验分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 结论与展望 | 第55-57页 |
| ·结论 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 附录A（攻读硕士学位期间发表录用论文） | 第62页 |