基于路径的划分聚类算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-16页 |
| ·课题研究的背景和意义 | 第7-11页 |
| ·数据挖掘技术 | 第7-8页 |
| ·数据挖掘的应用 | 第8-10页 |
| ·课题的研究意义 | 第10-11页 |
| ·国内外研究发展现状 | 第11-13页 |
| ·聚类分析算法的要求 | 第13-15页 |
| ·本文的主要内容及结构安排 | 第15-16页 |
| 2 聚类分析 | 第16-31页 |
| ·聚类分析概述 | 第16-23页 |
| ·聚类的定义 | 第16-18页 |
| ·数据结构 | 第18-19页 |
| ·数据类型 | 第19-21页 |
| ·相似性度量 | 第21-23页 |
| ·聚类分析的过程 | 第23-24页 |
| ·常用的聚类算法 | 第24-29页 |
| ·基于划分的方法 | 第24-25页 |
| ·基于层次的方法 | 第25-27页 |
| ·基于密度的方法 | 第27页 |
| ·基于网格的方法 | 第27-28页 |
| ·基于模型的算法 | 第28-29页 |
| ·聚类结果的评价 | 第29页 |
| ·聚类分析的应用 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 基于初始聚类中心优化的K-均值算法 | 第31-39页 |
| ·引言 | 第31页 |
| ·K-均值算法 | 第31-33页 |
| ·K-均值算法的基本思想 | 第32页 |
| ·K-均值算法的分析 | 第32-33页 |
| ·初始聚类中心优化的K-均值算法 | 第33-35页 |
| ·相关概念 | 第33-34页 |
| ·基于点密度的初始聚类中心选取 | 第34页 |
| ·孤立样本点的处理 | 第34-35页 |
| ·实验分析 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 4 一种基于路径的划分聚类算法 | 第39-47页 |
| ·引言 | 第39页 |
| ·路径相关知识 | 第39-41页 |
| ·图的邻接矩阵 | 第40页 |
| ·最短路径 | 第40-41页 |
| ·新的相似性度量和目标准则函数 | 第41-43页 |
| ·基于路径的相似性度量 | 第42-43页 |
| ·目标准则函数 | 第43页 |
| ·基于路径的聚类算法 | 第43-44页 |
| ·实验分析 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 5 总结与展望 | 第47-48页 |
| ·总结 | 第47页 |
| ·展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录 | 第52页 |
