| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 选题背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容和组织结构 | 第12-14页 |
| 1.3.1 主要研究内容 | 第12-13页 |
| 1.3.2 本文组织结构 | 第13-14页 |
| 1.4 本文主要创新点 | 第14-15页 |
| 第2章 数据挖掘技术及密度峰值聚类算法相关理论 | 第15-25页 |
| 2.1 数据挖掘内涵及其方法介绍 | 第15-17页 |
| 2.2 聚类算法分类 | 第17-20页 |
| 2.3 密度峰值聚类算法 | 第20-21页 |
| 2.4 相似性度量方式 | 第21-23页 |
| 2.5 聚类有效性评价指标 | 第23-25页 |
| 第3章 基于熵权法和核主成分分析的密度峰值聚类算法 | 第25-33页 |
| 3.1 熵权法 | 第25-27页 |
| 3.1.1 熵权法的基本原理 | 第25-26页 |
| 3.1.2 基于熵权的权重计算法 | 第26-27页 |
| 3.2 核主成分分析法 | 第27-28页 |
| 3.3 基于熵权法和核主成分分析的密度峰值聚类算法 | 第28-29页 |
| 3.4 仿真实验结果分析 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于属性重要性的密度峰值聚类算法 | 第33-40页 |
| 4.1 变异系数赋权 | 第33-34页 |
| 4.1.1 变异系数法 | 第33页 |
| 4.1.2 变异系数赋权 | 第33-34页 |
| 4.2 核主成分分析法 | 第34-35页 |
| 4.3 基于属性重要性的密度峰值聚类算法 | 第35页 |
| 4.4 仿真实验结果分析 | 第35-38页 |
| 4.5 本章小结 | 第38-40页 |
| 第5章 基于果蝇优化的密度峰值聚类算法 | 第40-48页 |
| 5.1 果蝇优化算法 | 第40-41页 |
| 5.2 信息熵介绍 | 第41-42页 |
| 5.3 FOA-DP算法流程 | 第42-43页 |
| 5.4 仿真实验与分析 | 第43-46页 |
| 5.4.1 实验数据 | 第43页 |
| 5.4.2 实验结果与分析 | 第43-46页 |
| 5.5 本章小结 | 第46-48页 |
| 第6章 基于属性重要性的密度峰值聚类算法在股市领域中的应用 | 第48-52页 |
| 6.1 前言 | 第48-49页 |
| 6.2 数据选取 | 第49-50页 |
| 6.3 聚类结果分析 | 第50-52页 |
| 第7章 总结与展望 | 第52-55页 |
| 7.1 论文总结 | 第52-53页 |
| 7.2 论文展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 在学期间发表的科研论文 | 第60-61页 |
| 致谢 | 第61页 |
