| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章绪论 | 第12-32页 |
| ·研究背景与意义 | 第12-14页 |
| ·聚类分析 | 第14-29页 |
| ·聚类分析步骤 | 第14-16页 |
| ·数据类型以及相似度度量方法 | 第16-19页 |
| ·聚类方法 | 第19-27页 |
| ·聚类算法研究面临的挑战 | 第27-29页 |
| ·论文的主要研究内容 | 第29-30页 |
| ·论文章节安排 | 第30-32页 |
| 第二章 可伸缩的大规模交易数据聚类分析框架-SCALE | 第32-60页 |
| ·背景介绍 | 第32-34页 |
| ·SCALE框架概述 | 第34-37页 |
| ·WCD聚类算法 | 第37-44页 |
| ·符号定义 | 第37页 |
| ·覆盖密度与加权覆盖密度定义与比较 | 第37-41页 |
| ·基于加权覆盖密度的交易数据聚类准则函数 | 第41-42页 |
| ·WCD算法描述 | 第42-44页 |
| ·算法复杂度分析 | 第44页 |
| ·聚类质量评估度量 | 第44-47页 |
| ·实验 | 第47-58页 |
| ·实验数据集 | 第48-49页 |
| ·聚类结构评估 | 第49-50页 |
| ·性能测试 | 第50-53页 |
| ·聚类结果质量评估 | 第53-55页 |
| ·与CLUTO的聚类质量比较 | 第55-58页 |
| ·相关工作 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第三章 交易数据聚类结构探测方法-DMDI | 第60-84页 |
| ·背景介绍 | 第60-62页 |
| ·交易数据聚类模式相异度概念定义 | 第62-63页 |
| ·基于交易聚类模式相异度的凝聚层次聚类算法-ACTD | 第63-66页 |
| ·通过DMDI图检测聚类结构 | 第66-69页 |
| ·DMDI图定义 | 第66-68页 |
| ·大规模交易数据的聚类结构估计 | 第68-69页 |
| ·实验 | 第69-81页 |
| ·性能测试 | 第69-71页 |
| ·质量测试 | 第71-76页 |
| ·采样数据集上的质量测试 | 第76-79页 |
| ·DMDI方法处理有噪音数据的交易数据集能力 | 第79-80页 |
| ·比较DMDI方法与BIC方法 | 第80-81页 |
| ·本章小结 | 第81-84页 |
| 第四章 基于GHSOM神经网络的交易数据聚类方法 | 第84-98页 |
| ·背景介绍 | 第84-85页 |
| ·SOM与GHSOM | 第85-90页 |
| ·SOM | 第85-87页 |
| ·GHSOM | 第87-90页 |
| ·聚类交易数据的GHSOM-CD方法 | 第90-93页 |
| ·GHSOM-CD方法中的相关概念 | 第90-93页 |
| ·GHSOM-CD训练算法描述 | 第93页 |
| ·实验 | 第93-96页 |
| ·实验数据集 | 第94页 |
| ·实验结果 | 第94-96页 |
| ·本章小结 | 第96-98页 |
| 第五章 采用动态聚类方法的频繁项集压缩 | 第98-114页 |
| ·背景 | 第98-99页 |
| ·相关工作 | 第99-105页 |
| ·关联规则定义 | 第99-100页 |
| ·频繁项集挖掘Apriori算法 | 第100-102页 |
| ·Apriori算法的优化方法 | 第102-103页 |
| ·频繁项集压缩方法 | 第103-105页 |
| ·问题的提出 | 第105-108页 |
| ·频繁项集挖掘结果分析 | 第105-106页 |
| ·频繁项集相似度定义 | 第106-108页 |
| ·频繁项集聚类准则函数 | 第108页 |
| ·频繁项集聚类算法 | 第108-110页 |
| ·实验 | 第110-112页 |
| ·本章小结 | 第112-114页 |
| 第六章 结束语 | 第114-116页 |
| ·论文工作的主要贡献 | 第114-115页 |
| ·进一步研究设想 | 第115-116页 |
| 致谢 | 第116-118页 |
| 参考文献 | 第118-128页 |
| 读博期间取得的研究成果 | 第128-129页 |