| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 引言 | 第8-13页 |
| ·背景及意义 | 第8-10页 |
| ·主要研究内容 | 第10-11页 |
| ·论文的组织结构 | 第11-13页 |
| 第二章 划分聚类与并行聚类概述 | 第13-26页 |
| ·聚类分析概述 | 第13-18页 |
| ·聚类分析的定义 | 第13页 |
| ·相似度度量 | 第13-15页 |
| ·分簇依据及准则函数 | 第15-16页 |
| ·现有算法及研究方向 | 第16-18页 |
| ·划分聚类算法 | 第18-23页 |
| ·划分聚类算法综述 | 第18-20页 |
| ·K-means聚类算法 | 第20-23页 |
| ·集群环境及并行聚类研究 | 第23-25页 |
| ·集群环境介绍 | 第23-25页 |
| ·并行聚类研究 | 第25页 |
| ·本章小节 | 第25-26页 |
| 第三章 改进的聚类算法GK-means | 第26-42页 |
| ·算法总体描述 | 第26-28页 |
| ·主要概念描述 | 第28-30页 |
| ·算法的详细过程 | 第30-36页 |
| ·划分数据对象 | 第30-31页 |
| ·构建数据索引 | 第31页 |
| ·生产初始聚类中心 | 第31-34页 |
| ·剪枝噪声 | 第34-35页 |
| ·聚类分析阶段 | 第35-36页 |
| ·算法性能评价 | 第36-37页 |
| ·实验设计及结果分析 | 第37-41页 |
| ·聚类结果的准确性 | 第37-38页 |
| ·聚类结果的稳定性分析 | 第38-40页 |
| ·算法的可伸缩性 | 第40-41页 |
| ·本章小节 | 第41-42页 |
| 第四章 集群环境下的并行聚类算法PGK-means | 第42-49页 |
| ·算法的总体结构 | 第42-43页 |
| ·算法的设计思想 | 第42-43页 |
| ·算法的总体流程 | 第43页 |
| ·算法的详细描述 | 第43-46页 |
| ·数据分区 | 第44页 |
| ·选择初始中心 | 第44-45页 |
| ·聚类分析过程 | 第45-46页 |
| ·实验及分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·课题总结 | 第49页 |
| ·工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 在学期间有研究成果及参与项目 | 第54-55页 |
| 致谢 | 第55页 |