| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题研究目的和意义 | 第11-12页 |
| ·国内外聚类方法现状综述 | 第12-14页 |
| ·聚类简介 | 第12页 |
| ·聚类需要研究的方向 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·论文结构 | 第15-16页 |
| 第2章 数据挖掘中的聚类算法 | 第16-33页 |
| ·聚类分析主要应用 | 第16页 |
| ·聚类算法基本概念 | 第16-23页 |
| ·聚类的定义 | 第16-17页 |
| ·聚类分析中的数据类型 | 第17-22页 |
| ·聚类分析中的准则函数 | 第22-23页 |
| ·主要聚类算法分类 | 第23-32页 |
| ·划分方法(Partitioning Method) | 第24-26页 |
| ·层次方法(Hierarchical Method) | 第26-28页 |
| ·基于密度的方法(Density-based Method) | 第28-29页 |
| ·基于网格的方法(Grid-based Method) | 第29-31页 |
| ·基于模型的方法(Model-based Method) | 第31-32页 |
| ·小结 | 第32-33页 |
| 第3章 K-均值聚类算法研究与分析 | 第33-41页 |
| ·K-均值聚类算法的思想及流程 | 第33-35页 |
| ·K-均值聚类算法思想 | 第33页 |
| ·K-均值聚类算法流程 | 第33-34页 |
| ·K-均值聚类算法原理 | 第34-35页 |
| ·K-均值聚类算法的优缺点分析及现有改进 | 第35-37页 |
| ·K-均值聚类算法对初始中心值的依赖性分析及现有改进 | 第37-40页 |
| ·依赖性分析 | 第37-39页 |
| ·K-均值中心点选取的现有改进 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第4章 基于 HUFFMAN 树思想的 K-均值聚类算法 | 第41-51页 |
| ·基于HUFFMAN 树思想的K-均值聚类算法 | 第41-45页 |
| ·算法基本思想 | 第41-43页 |
| ·基于Huffman 树思想的 K-均值聚类算法详细流程 | 第43-45页 |
| ·实验结果及分析 | 第45-50页 |
| ·数据集 | 第45-46页 |
| ·实验设计 | 第46-47页 |
| ·实验结果及分析 | 第47-50页 |
| ·小结 | 第50-51页 |
| 第5章 基于加权欧氏距离K-均值聚类算法 | 第51-58页 |
| ·相似性度量 | 第51-54页 |
| ·距离函数 | 第51-53页 |
| ·相似系数函数 | 第53-54页 |
| ·算法基本思想 | 第54-56页 |
| ·权重学习 | 第54-55页 |
| ·算法思想描述 | 第55-56页 |
| ·实验结果及分析 | 第56-57页 |
| ·小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录A 攻读学位期间发表的论文 | 第65页 |
