有标签的数据聚类算法
| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-22页 |
| 1.1 研究背景 | 第8-18页 |
| 1.1.1 数据挖掘技术概述 | 第9-15页 |
| 1.1.2 数据挖掘国内外研究现状 | 第15-18页 |
| 1.2 研究内容、目的和意义 | 第18-19页 |
| 1.2.1 研究内容 | 第18-19页 |
| 1.2.2 研究目的和意义 | 第19页 |
| 1.3 本文贡献 | 第19-20页 |
| 1.4 本文结构安排 | 第20-22页 |
| 第二章 相关算法研究 | 第22-30页 |
| 2.1 K近邻算法 | 第22-24页 |
| 2.1.1 K近邻算法基本原理 | 第22-23页 |
| 2.1.2 K近邻算法的优势与不足 | 第23-24页 |
| 2.2 K近邻算法相关改进方法 | 第24-30页 |
| 2.2.1 提高K近邻算法效率的改进方法 | 第25-27页 |
| 2.2.2 提高K近邻算法分类准确率的改进方法 | 第27-30页 |
| 第三章 有标签的数据聚类算法 | 第30-44页 |
| 3.1 基本原理 | 第30页 |
| 3.2 输入数据 | 第30-31页 |
| 3.3 数据预处理 | 第31页 |
| 3.4 寻找初始邻居 | 第31-32页 |
| 3.5 构建拟合函数绘制等高线 | 第32-38页 |
| 3.6 迭代寻找最近邻居的算法 | 第38-39页 |
| 3.7 举例说明 | 第39-42页 |
| 3.8 本章小结 | 第42-44页 |
| 第四章 实验设计与结果分析 | 第44-60页 |
| 4.1 数据集来源 | 第44-51页 |
| 4.1.1 火险天气指数 | 第44-47页 |
| 4.1.2 Forest Fires数据集 | 第47-49页 |
| 4.1.3 数据整合 | 第49-51页 |
| 4.2 实验设计与参数设置 | 第51-54页 |
| 4.2.1 实验概要 | 第51-52页 |
| 4.2.2 实验参数设置 | 第52页 |
| 4.2.3 具体实验步骤 | 第52-54页 |
| 4.3 实验结果与分析 | 第54-60页 |
| 4.3.1 有标签的数据聚类算法实验结果 | 第54-57页 |
| 4.3.2 K近邻算法实验结果 | 第57-58页 |
| 4.3.3 实验结果分析 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 发表论文和参加科研情况 | 第66-68页 |
| 致谢 | 第68页 |
