K均值算法研究及其应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·论文研究的背景、目的和意义 | 第8页 |
| ·国内外发展现状 | 第8-9页 |
| ·本文主要工作 | 第9页 |
| ·论文结构安排 | 第9-11页 |
| 2 数据挖掘及聚类分析方法概述 | 第11-23页 |
| ·数据挖掘技术 | 第11-16页 |
| ·数据挖掘的定义和发展过程 | 第11-14页 |
| ·数据挖掘的数据来源 | 第14页 |
| ·数据挖掘的功能 | 第14-16页 |
| ·聚类的定义 | 第16-17页 |
| ·常用聚类方法 | 第17-22页 |
| ·基于划分的方法 | 第18-19页 |
| ·基于层次的方法 | 第19页 |
| ·基于密度的方法 | 第19-20页 |
| ·基于网格的聚类方法 | 第20-21页 |
| ·其他聚类方法 | 第21页 |
| ·常用聚类方法的比较 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 K均值算法的研究和基于候选中心的改进 | 第23-32页 |
| ·经典的K均值算法简介 | 第23-26页 |
| ·经典K均值算法的步骤 | 第23-25页 |
| ·经典K均值算法的不足 | 第25页 |
| ·对经典K均值算法的扩展 | 第25-26页 |
| ·现有基于初始中心点选择的改进 | 第26-27页 |
| ·基于候选中心的聚类中心的选择 | 第27-29页 |
| ·初始中心选择改进的性能分析 | 第29页 |
| ·初始中心选择改进后的收敛速度分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 4 离群点检测的研究和K均值算法的离群点检测 | 第32-41页 |
| ·离群点的概念 | 第32-33页 |
| ·离群点检测的方法介绍 | 第33-34页 |
| ·基于离群点检测的K均值算法的改进 | 第34-38页 |
| ·离群点检测对于算法性能的影响分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 5 实验结果分析 | 第41-47页 |
| ·UCI数据集 | 第41-43页 |
| ·iris数据集 | 第41-42页 |
| ·wine数据集 | 第42页 |
| ·image segmentation数据集 | 第42-43页 |
| ·实验设计 | 第43-45页 |
| ·数据转化 | 第43页 |
| ·离群点数据的构建 | 第43-44页 |
| ·准确率的统计 | 第44-45页 |
| ·实验结果 | 第45-47页 |
| 6 交通事故原因聚类分析的应用 | 第47-52页 |
| ·数据的预处理 | 第48-49页 |
| ·改进K均值算法的应用 | 第49-50页 |
| ·聚类结果的分析 | 第50-51页 |
| ·应用总结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |
