| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·数据挖掘简介 | 第11-12页 |
| ·数据挖掘的定义 | 第11页 |
| ·数据挖掘的功能及应用 | 第11-12页 |
| ·最近邻方法在数据挖掘中的地位 | 第12-13页 |
| ·本论文的主要工作 | 第13页 |
| ·本论文的组织结构 | 第13-15页 |
| 第2章 k 最近邻方法及其应用 | 第15-23页 |
| ·基于最近邻的缺失值填充方法 | 第15-18页 |
| ·缺失值填充的研究现状 | 第15-17页 |
| ·k 最近邻填充算法 | 第17-18页 |
| ·基于最近邻的分类方法 | 第18-20页 |
| ·分类的研究现状 | 第18-19页 |
| ·k 最近邻分类算法 | 第19-20页 |
| ·算法分析 | 第20-22页 |
| ·k 最近邻算法的优缺点 | 第20-21页 |
| ·针对k 最近邻算法常见的改进方法 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 最近邻填充的新理论与算法 | 第23-37页 |
| ·象限近邻填充算法(QENNI) | 第23-31页 |
| ·引言 | 第23-24页 |
| ·数据规范 | 第24页 |
| ·QENNI 算法的思想 | 第24-26页 |
| ·QENNI 算法的实现 | 第26-27页 |
| ·QENNI 算法有效性分析 | 第27-28页 |
| ·实验结果与分析 | 第28-30页 |
| ·结论和下一步工作 | 第30-31页 |
| ·壳近邻填充算法(SNI)的加权方法研究 | 第31-35页 |
| ·壳近邻填充算法(SNI) | 第31页 |
| ·壳近邻填充算法(SNI)的加权方法研究 | 第31-32页 |
| ·实验部分 | 第32-35页 |
| ·结论 | 第35页 |
| ·一种新的填充效果评价方式 | 第35页 |
| ·本章小结 | 第35-37页 |
| 第4章 最近邻分类的新技术与算法 | 第37-54页 |
| ·壳近邻分类算法(SNC) | 第37-42页 |
| ·引言 | 第37页 |
| ·距离度量 | 第37-38页 |
| ·SNC 算法的构造及描述 | 第38页 |
| ·SNC 算法的实现 | 第38-39页 |
| ·SNC 算法的有效性分析 | 第39页 |
| ·kNN 算法和SNC 算法的不同点 | 第39页 |
| ·实验部分 | 第39-42页 |
| ·结论 | 第42页 |
| ·基于k 近邻、簇和训练集中数据类分布的分类算法(NCT) | 第42-50页 |
| ·引言 | 第42-43页 |
| ·距离函数 | 第43-44页 |
| ·NCT 分类算法 | 第44-46页 |
| ·举例说明 | 第46-47页 |
| ·实验部分 | 第47-49页 |
| ·结论和下一步工作 | 第49-50页 |
| ·NCT 算法的几种变型研究 | 第50-53页 |
| ·引言 | 第50页 |
| ·新信息的其他组合方式 | 第50-51页 |
| ·相应的实验结果及分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 全文总结与工作展望 | 第54-56页 |
| ·全文总结 | 第54页 |
| ·进一步的工作 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 读研期间撰写的论文 | 第60页 |
| 读研期间研究项目情况 | 第60页 |
| 读研期间获奖情况 | 第60-61页 |
| 致谢 | 第61-62页 |