| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题来源 | 第9页 |
| ·高考志愿填报的特点 | 第9-10页 |
| ·高考志愿填报智能服务的研究现状 | 第10-12页 |
| ·信息参考辅助高考志愿填报 | 第11页 |
| ·基于数据挖掘的高考志愿填报智能服务 | 第11-12页 |
| ·模糊聚类分析的研究与应用 | 第12-14页 |
| ·模糊聚类分析的研究与发展 | 第12-14页 |
| ·模糊聚类分析的应用 | 第14页 |
| ·课题研究的意义 | 第14-16页 |
| ·本文的研究内容与组织结构 | 第16-17页 |
| 第二章 模糊聚类相关技术 | 第17-29页 |
| ·模糊聚类理论基础 | 第17-20页 |
| ·模糊集合及其运算 | 第17-18页 |
| ·模糊关系 | 第18页 |
| ·模糊性度量 | 第18-20页 |
| ·模糊聚类方法 | 第20-25页 |
| ·谱系聚类方法 | 第20-21页 |
| ·基于图论的聚类方法 | 第21页 |
| ·基于等价关系的模糊聚类 | 第21-22页 |
| ·基于目标函数的模糊聚类 | 第22-23页 |
| ·模糊C-均值聚类算法 | 第23-25页 |
| ·聚类有效性函数 | 第25-28页 |
| ·基于模糊划分的聚类有效性函数 | 第26-27页 |
| ·基于几何结构的聚类有效性函数 | 第27-28页 |
| ·Xie-Beni函数 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章 求解FCM算法最佳聚类数的改进方法 | 第29-41页 |
| ·基于有效性评判的最佳聚类数求解方法 | 第29页 |
| ·基于减法聚类的FCM初始聚类数目上限求解 | 第29-31页 |
| ·减法聚类算法 | 第30-31页 |
| ·初始聚类数目上限的确定 | 第31页 |
| ·时间复杂度分析 | 第31页 |
| ·基于合并聚类中心的求解最佳聚类数初始化改进方法 | 第31-34页 |
| ·主要的聚类初始化方法 | 第32-33页 |
| ·基于有效性评判的FCM算法初始化的分析 | 第33-34页 |
| ·聚类中心的合并 | 第34页 |
| ·基于合并聚类中心的初始化 | 第34页 |
| ·基于减法聚类和合并聚类中心的FCM改进算法描述 | 第34-37页 |
| ·基本思想 | 第34-35页 |
| ·算法步骤 | 第35-37页 |
| ·实验分析 | 第37-40页 |
| ·样本数据集的选定 | 第37-38页 |
| ·仿真实验 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 数据的规范化及基于特征加权的FCM算法 | 第41-50页 |
| ·数据的规范化 | 第41-42页 |
| ·最大-最小规范化 | 第41页 |
| ·Z-Score规范化 | 第41-42页 |
| ·压缩到[0，1]闭区间内 | 第42页 |
| ·基于特征加权的FCM改进算法 | 第42-47页 |
| ·基于离差最大化的客观赋权法 | 第43-44页 |
| ·基于主观权重和客观权重的组合特征加权 | 第44-45页 |
| ·基于特征加权的FCM改进算法的实现步骤 | 第45-47页 |
| ·实验分析 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 改进FCM算法在高考志愿填报智能服务中的应用 | 第50-59页 |
| ·院校推荐模型 | 第50-52页 |
| ·院校推荐模型的指导思想及流程 | 第50-51页 |
| ·院校指标体系 | 第51-52页 |
| ·算例分析 | 第52-54页 |
| ·确定高校样本数据集 | 第52-53页 |
| ·院校分类 | 第53页 |
| ·评定推荐等级 | 第53-54页 |
| ·院校推荐系统的设计与实现 | 第54-58页 |
| ·开发环境及开发技术 | 第54-56页 |
| ·系统结构 | 第56-57页 |
| ·系统运行效果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 结束语 | 第59-61页 |
| ·本文研究工作总结 | 第59-60页 |
| ·后续的研究工作与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间完成论文情况 | 第66页 |
| 攻读硕士学位期间参加的科研情况 | 第66页 |