| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 本文的研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 子空间聚类研究现状分析 | 第13-14页 |
| 1.2.2 属性约简研究现状 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第二章 相关知识和理论 | 第18-31页 |
| 2.1 数据挖掘概述 | 第18-23页 |
| 2.1.1 数据挖掘概述 | 第18-19页 |
| 2.1.1.1 数据挖掘的定义 | 第18页 |
| 2.1.1.2 数据挖掘常用的方法概述 | 第18-19页 |
| 2.1.2 聚类 | 第19-23页 |
| 2.1.2.1 聚类的定义 | 第19-20页 |
| 2.1.2.2 聚类研究的数据类型 | 第20-21页 |
| 2.1.2.3 聚类方法介绍 | 第21-22页 |
| 2.1.2.4 聚类算法的性能评价 | 第22-23页 |
| 2.2 粗糙集 | 第23-25页 |
| 2.2.1 粗糙集概述 | 第23-24页 |
| 2.2.2 粗糙集的应用 | 第24-25页 |
| 2.3 属性约简概述 | 第25-27页 |
| 2.3.1 基于差别矩阵的属性约简算法 | 第26页 |
| 2.3.2 Pawlak算法 | 第26页 |
| 2.3.3 启发式约简算法 | 第26-27页 |
| 2.4 子空间聚类 | 第27-31页 |
| 2.4.1 高维数据的特点 | 第27页 |
| 2.4.2 降维方法 | 第27-28页 |
| 2.4.3 典型的子空间聚类方法 | 第28-29页 |
| 2.4.3.1 自底向上的子空间聚类方法 | 第28页 |
| 2.4.3.2 自顶向下的子空间聚类算法 | 第28-29页 |
| 2.4.3.3 稀疏子空间聚类方法 | 第29页 |
| 2.4.4 聚类算法选择的影响因素 | 第29-31页 |
| 第三章 基于粒度决策熵的属性约简算法 | 第31-43页 |
| 3.1 引言 | 第31-32页 |
| 3.2 粒度决策熵 | 第32-36页 |
| 3.3 基于粒度决策熵的属性约简算法ARGDE | 第36-39页 |
| 3.4 实验结果 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 面向类别型高维数据的子空间集成聚类 | 第43-57页 |
| 4.1 引言 | 第43-44页 |
| 4.2 信息系统下的粒度决策熵 | 第44-45页 |
| 4.3 相关理论知识介绍 | 第45-46页 |
| 4.4 WODKM算法 | 第46-47页 |
| 4.5 面向类别型高维数据的子空间聚类算法SPECCH | 第47-52页 |
| 4.5.1 子空间的划分 | 第47-49页 |
| 4.5.2 多轮K-modes聚类 | 第49-50页 |
| 4.5.3 子空间聚类集成 | 第50-52页 |
| 4.5.3.1 最大内聚度基准 | 第50页 |
| 4.5.3.2 聚类集成算法 | 第50-52页 |
| 4.6 实验 | 第52-56页 |
| 4.6.1 实验数据 | 第52页 |
| 4.6.2 评价指标 | 第52-53页 |
| 4.6.3 实验结果 | 第53-56页 |
| 4.7 本章小结 | 第56-57页 |
| 第五章 总结 | 第57-59页 |
| 参考文献 | 第59-66页 |
| 附录 | 第66-67页 |
| 致谢 | 第67-69页 |
| 攻读硕士期间发表的学术论文 | 第69-70页 |