| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外相关研究和综述 | 第11-14页 |
| ·K-means 聚类模型选择的研究现状 | 第11-13页 |
| ·半监督聚类的研究现状 | 第13-14页 |
| ·本文的主要工作与结构安排 | 第14-16页 |
| ·本文的主要工作 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第2章 模糊K-means 算法的基本理论 | 第16-20页 |
| ·模糊K-means 聚类算法 | 第16-18页 |
| ·模糊K-means 聚类算法的形式化及推导 | 第16-18页 |
| ·模糊K-means聚类的算法描述 | 第18页 |
| ·模糊 K-means 聚类的优缺点 | 第18-19页 |
| ·本章小节 | 第19-20页 |
| 第3章 多级密度数据的聚类算法 | 第20-48页 |
| ·凝聚模糊 K-means 算法 | 第20-24页 |
| ·凝聚模糊K-means 算法的形式化及推导 | 第20-23页 |
| ·凝聚模糊K-means的算法描述 | 第23页 |
| ·凝聚模糊K-means的优缺点 | 第23-24页 |
| ·基于凝聚模糊K-means的Clustering Tree算法 | 第24-30页 |
| ·Clustering Tree 算法 | 第24-26页 |
| ·模型选择问题 | 第26-29页 |
| ·Clustering Tree算法描述 | 第29-30页 |
| ·实验及结果分析 | 第30-47页 |
| ·无重叠模拟数据实验 | 第30-33页 |
| ·有重叠模拟数据实验 | 第33-38页 |
| ·与其他算法的比较 | 第38-41页 |
| ·真实数据实验 | 第41-47页 |
| ·算法优缺点分析 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第4章 半监督Clustering Tree算法 | 第48-54页 |
| ·半监督Clustering Tree 算法思想 | 第48-49页 |
| ·模型选择问题 | 第49-51页 |
| ·互信息法确定孩子个数 | 第49-50页 |
| ·停止条件 | 第50-51页 |
| ·算法描述 | 第51-52页 |
| ·实验及结果分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 Clustering Tree算法的应用及展望 | 第54-61页 |
| ·利用 Clustering Tree 算法建立分类器 | 第54-58页 |
| ·建立分类规则 | 第55-56页 |
| ·实验及结果分析 | 第56-58页 |
| ·本文的主要贡献 | 第58-59页 |
| ·进一步研究的问题 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67页 |
