| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 数据分类技术的研究现状 | 第9-10页 |
| 1.3 本文研究内容与创新性 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 第二章 分类技术 | 第12-18页 |
| 2.1 数据分类的概述 | 第12页 |
| 2.2 分类技术 | 第12-17页 |
| 2.2.1 最小距离分类算法 | 第13-15页 |
| 2.2.2 其他分类技术 | 第15-17页 |
| 2.3 数据分类技术的增量改进 | 第17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 一种改进的最小距离增量分类算法 | 第18-23页 |
| 3.1 k-均值聚类阶段 | 第18-20页 |
| 3.2 样本空间类域调整阶段 | 第20-21页 |
| 3.3 代表样本选取算法 | 第21页 |
| 3.4 增量分类 | 第21-22页 |
| 3.5 本章小结 | 第22-23页 |
| 第四章 基于最小距离的多中心向量的增量分类算法 | 第23-35页 |
| 4.1 ILAMM算法的优缺点 | 第23-24页 |
| 4.2 区域划分算法 | 第24-27页 |
| 4.3 不同区域的样本处理方法 | 第27-28页 |
| 4.4 多中心向量的增量分类算法 | 第28-30页 |
| 4.5 基于最小距离的多中心向量的增量分类算法步骤 | 第30-34页 |
| 4.5.1 基于最小距离的多中心向量的增量分类算法未增量分类步骤 | 第31页 |
| 4.5.2 基于最小距离的多中心向量的增量分类的算法步骤 | 第31-34页 |
| 4.6 本章小结 | 第34-35页 |
| 第五章 代表样本的筛选 | 第35-39页 |
| 5.1 代表样本选取算法的合理性研究 | 第35-36页 |
| 5.2 代表样本的选取算法的比较 | 第36-37页 |
| 5.3 代表样本选取算法的改进 | 第37-38页 |
| 5.4 本章小结 | 第38-39页 |
| 第六章 实验模拟 | 第39-46页 |
| 6.1 合成数据实验 | 第39-41页 |
| 6.2 真实数据实验 | 第41-46页 |
| 6.2.1 数据介绍 | 第42-43页 |
| 6.2.2 稳定区域较大实验 | 第43-44页 |
| 6.2.3 重叠区域较大实验 | 第44-46页 |
| 第七章 总结与展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 攻读硕士学位期间参加的项目及发表的论文 | 第52-53页 |
| 致谢 | 第53页 |
