| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·研究背景及选题意 | 第7-9页 |
| ·研究现状 | 第9-11页 |
| ·主要工作 | 第11-13页 |
| ·本文组织结构 | 第13-14页 |
| 第二章 高维分类型数据集聚类综述 | 第14-28页 |
| ·聚类分析 | 第14-18页 |
| ·聚类的概念 | 第14页 |
| ·相似度 | 第14-17页 |
| ·常用聚类方法综述 | 第17-18页 |
| ·高维数据聚类 | 第18-25页 |
| ·高维数据的特点 | 第18-20页 |
| ·高维数据聚类算法 | 第20-25页 |
| ·分类型数据分析 | 第25-28页 |
| ·分类型数据简介 | 第25页 |
| ·分类型数据与数值型数据 | 第25-26页 |
| ·分类型数据算法的不足 | 第26-28页 |
| 第三章 熵 | 第28-31页 |
| ·热力学熵 | 第28-29页 |
| ·信息熵 | 第29-30页 |
| ·信息熵与热力学熵 | 第30-31页 |
| 第四章 ESCHCD 算法研究与设计 | 第31-46页 |
| ·本算法相关概念 | 第32-34页 |
| ·信息熵(Entropy) | 第32页 |
| ·符号定义及相关公式推导 | 第32-33页 |
| ·信息熵与分类型数据聚类 | 第33-34页 |
| ·基于信息熵的高维分类型数据子空间聚类算法 | 第34-40页 |
| ·初始化阶段——Initialization Phase | 第35-37页 |
| ·优化阶段——Optimization Phase | 第37-40页 |
| ·确定子空间——Determine Subspace | 第37-39页 |
| ·迭代寻优——Iterative | 第39-40页 |
| ·试验及分析 | 第40-46页 |
| ·人工数据 | 第41-43页 |
| ·真实数据 | 第43页 |
| ·试验结果及对比 | 第43-46页 |
| 第五章 总结 | 第46-48页 |
| ·结论 | 第46-47页 |
| ·展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间作者参与科研工作及成果 | 第52页 |
