| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-10页 |
| 1 数据挖掘 | 第10-15页 |
| ·数据挖掘的定义和过程 | 第10-11页 |
| ·数据挖掘的功能 | 第11-12页 |
| ·数据挖掘的数据集 | 第12-14页 |
| ·结构化数据 | 第12-13页 |
| ·复杂形式的数据 | 第13-14页 |
| ·数据挖掘的研究方向 | 第14-15页 |
| 2 聚类分析 | 第15-29页 |
| ·聚类分析的定义 | 第15页 |
| ·聚类分析的过程 | 第15-16页 |
| ·聚类分析中的数据类型 | 第16-17页 |
| ·相异度 | 第17-21页 |
| ·区间标度变量描述的对象间的相异度 | 第17-18页 |
| ·二元变量描述的对象间的相异度 | 第18-19页 |
| ·分类变量描述的对象间的相异度 | 第19页 |
| ·序数变量描述的对象间的相异度 | 第19-20页 |
| ·比例标度变量描述的对象间的相异度 | 第20页 |
| ·混合类型变量描述的对象间的相异度 | 第20-21页 |
| ·聚类算法的分类 | 第21-26页 |
| ·划分方法(Partitioning Method) | 第21-23页 |
| ·层次方法(Hierarchical Method) | 第23-24页 |
| ·基于密度的方法(Density-Based Method) | 第24-26页 |
| ·基于网格的方法(Grid-Based Method) | 第26页 |
| ·基于模型的方法(Model-Based Method) | 第26页 |
| ·聚类有效性评价 | 第26-29页 |
| ·外部评价法 | 第26-28页 |
| ·内部评价法 | 第28-29页 |
| 3 经典的改进K均值算法 | 第29-33页 |
| ·PAM算法 | 第29-31页 |
| ·PAM算法的基本思想 | 第29-30页 |
| ·PAM算法的基本步骤 | 第30-31页 |
| ·与K均值算法的比较 | 第31页 |
| ·经典k-modes算法 | 第31-33页 |
| ·经典k-modes算法的基本思想 | 第31-32页 |
| ·经典k-modes算法的基本步骤 | 第32页 |
| ·与K均值算法的比较 | 第32-33页 |
| 4 K均值算法分析 | 第33-35页 |
| ·K均值算法的缺点分析 | 第33-34页 |
| ·K均值算法对初始聚类中心的依赖性分析 | 第34-35页 |
| ·K均值算法对初始聚类中心的依赖性分析 | 第34页 |
| ·实验分析 | 第34-35页 |
| 5 基于密度的K均值初始聚类中心选取算法 | 第35-53页 |
| ·基于密度的K均值初始聚类中心选取算法 | 第35-42页 |
| ·算法的基本思想 | 第35-36页 |
| ·算法的步骤 | 第36-42页 |
| ·确定邻域半径ε的算法 | 第42-43页 |
| ·算法的思想 | 第42页 |
| ·算法的基本步骤 | 第42-43页 |
| ·确定参数MinPts的算法 | 第43-44页 |
| ·算法的基本思想 | 第43页 |
| ·算法的基本步骤 | 第43-44页 |
| ·实验分析 | 第44-53页 |
| ·确定参数ε、MinPts值的算法实验分析 | 第44-46页 |
| ·数据集 | 第46-47页 |
| ·基于密度的初始聚类中心选取算法的实验分析 | 第47-50页 |
| ·基于密度的初始聚类中心选取算法的MATLAB程序 | 第50-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 附录A 传统K均值算法的MATLAB程序 | 第57-60页 |
| 攻读学位期间的研究成果 | 第60页 |
