| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-26页 |
| ·数据挖掘技术概述 | 第12-15页 |
| ·数据挖掘的产生背景 | 第12-13页 |
| ·数据挖掘的研究内容 | 第13-14页 |
| ·数据挖掘的应用和研究方向 | 第14-15页 |
| ·数据挖掘中的聚类分析 | 第15-16页 |
| ·研究现状 | 第16-22页 |
| ·聚类有效性问题 | 第16-18页 |
| ·迭代优化聚类的初始化问题 | 第18-19页 |
| ·分类属性数据聚类 | 第19-21页 |
| ·高维数据聚类 | 第21-22页 |
| ·本文主要工作 | 第22-24页 |
| ·论文内容和结构安排 | 第24-26页 |
| 第二章 数据挖掘中的聚类分析 | 第26-42页 |
| ·聚类分析中的数据结构和数据类型 | 第26-31页 |
| ·聚类分析中的数据结构 | 第26-27页 |
| ·聚类分析中的数据类型 | 第27-30页 |
| ·聚类准则的确定 | 第30-31页 |
| ·聚类算法的分类 | 第31-38页 |
| ·划分方法(Partioning Method) | 第31-33页 |
| ·层次方法(Hierarchical Method) | 第33-34页 |
| ·基于密度的方法(Density-based Method) | 第34-36页 |
| ·基于网格的方法(Grid-based Method) | 第36页 |
| ·基于模型的方法(Model-based Method) | 第36-37页 |
| ·孤立点分析 | 第37-38页 |
| ·聚类的有效性 | 第38-41页 |
| ·小结 | 第41-42页 |
| 第三章 聚类的有效性函数和精确度 | 第42-60页 |
| ·引言 | 第42页 |
| ·模糊聚类的划分系数与划分熵 | 第42-44页 |
| ·基于几何结构的聚类有效性函数 | 第44-52页 |
| ·Dunn 分离性指标 | 第44-45页 |
| ·Xie-Beni 指标 | 第45页 |
| ·一种新的聚类有效性函数 | 第45-47页 |
| ·实验结果 | 第47-52页 |
| ·基于改进的 Hubert Г统计法和分离度的聚类有效性函数 | 第52-55页 |
| ·改进的Hubert Г统计法 | 第52-53页 |
| ·Hubert Г统计法和分离度相结合的聚类有效性函数 | 第53页 |
| ·实验结果 | 第53-55页 |
| ·聚类的精确度 | 第55-58页 |
| ·聚类精确度定义 | 第55-57页 |
| ·划分相似测度 | 第57-58页 |
| ·小结 | 第58-60页 |
| 第四章 中心迭代优化聚类的初始化方法 | 第60-72页 |
| ·引言 | 第60页 |
| ·主要的聚类初始化方法 | 第60-64页 |
| ·随机法 | 第60-61页 |
| ·距离优化法 | 第61-62页 |
| ·密度估计法 | 第62-63页 |
| ·其它启发式初始化方法 | 第63-64页 |
| ·一种新的基于距离的聚类初始化方法 | 第64-66页 |
| ·一种新的基于距离的初始化方法 | 第64-65页 |
| ·实验结果 | 第65-66页 |
| ·Fuzzy k-harmonic means 聚类算法 | 第66-71页 |
| ·k-harmonic means(KHM)聚类算法 | 第67页 |
| ·模糊k-harmonic means (FKHM)聚类算法 | 第67-68页 |
| ·FKHM 算法在中心迭代统一框架下的描述 | 第68-69页 |
| ·实验结果 | 第69-71页 |
| ·小结 | 第71-72页 |
| 第五章 分类属性数据聚类 | 第72-92页 |
| ·引言 | 第72-73页 |
| ·k-modes 和k-prototypes 聚类算法 | 第73-78页 |
| ·k-modes 聚类算法 | 第73-74页 |
| ·k-prototypes 聚类算法 | 第74-75页 |
| ·实验仿真 | 第75-78页 |
| ·模糊k-modes 聚类算法 | 第78-79页 |
| ·基于新距离测度的模糊k-modes 算法 | 第79-83页 |
| ·基于新距离测度的模糊k-modes 算法 | 第79-81页 |
| ·实验结果 | 第81-83页 |
| ·基于进化策略属性加权的模糊k-modes 聚类算法 | 第83-87页 |
| ·属性加权及划分矩阵、聚类中心的更新 | 第83-84页 |
| ·利用进化策略进行属性权值优化 | 第84-86页 |
| ·实验结果 | 第86-87页 |
| ·近似k-median 分类属性数据聚类 | 第87-91页 |
| ·近似中值(approximated median) | 第88页 |
| ·近似k-median 聚类算法 | 第88-89页 |
| ·实验结果 | 第89-91页 |
| ·小结 | 第91-92页 |
| 第六章 基于 Hsim 函数的模糊k-median 聚类 | 第92-100页 |
| ·引言 | 第92-93页 |
| ·高维数据的相似度函数Hsim() | 第93-95页 |
| ·Hsim()函数 | 第93-94页 |
| ·Hsim()函数的扩展 | 第94-95页 |
| ·基于Hsim()函数的模糊k-median 聚类算法 | 第95-97页 |
| ·实验结果 | 第97-99页 |
| ·小结 | 第99-100页 |
| 第七章 总结与展望 | 第100-104页 |
| 致谢 | 第104-106页 |
| 参考文献 | 第106-118页 |
| 攻读博士学位期间发表的论文 | 第118-119页 |
