| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 Gap Statistics的研究现状 | 第10-11页 |
| 1.2.2 聚类算法的研究现状 | 第11-12页 |
| 1.3 论文研究的主要内容 | 第12-14页 |
| 1.3.1 论文的组织 | 第12页 |
| 1.3.2 论文的主要工作与创新 | 第12-14页 |
| 2 聚类分析的基本概念及应用 | 第14-21页 |
| 2.1 聚类算法的基本定义 | 第14页 |
| 2.2 距离函数 | 第14-15页 |
| 2.3 K-means算法与ISODATA算法 | 第15-18页 |
| 2.3.1 K-means算法 | 第15-16页 |
| 2.3.2 ISODATA算法 | 第16-18页 |
| 2.4 聚类数的估计 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 MIGS模型 | 第21-31页 |
| 3.1 切比雪夫不等式和马氏距离 | 第21-24页 |
| 3.1.1 一维切比雪夫不等式 | 第21-22页 |
| 3.1.2 多维切比雪夫不等式 | 第22页 |
| 3.1.3 马氏距离的推导 | 第22-23页 |
| 3.1.4 多维切比雪夫不等式和马氏距离的关系 | 第23-24页 |
| 3.2 ISODATA算法初始聚类数目的确定 | 第24页 |
| 3.3 MISODATA算法 | 第24-26页 |
| 3.4 MIGS模型 | 第26-27页 |
| 3.5 仿真实验及分析 | 第27-29页 |
| 3.6 MIGS模型与传统GS模型性能比较 | 第29-30页 |
| 3.7 本章小结 | 第30-31页 |
| 4 对ISODATA算法的改进 | 第31-38页 |
| 4.1 基于变异系数的分裂度估计模型 | 第31-32页 |
| 4.2 基于合并度的归一化估计模型 | 第32页 |
| 4.3 FMISODATA算法 | 第32-34页 |
| 4.4 聚类收敛速度和收敛精度的实证分析 | 第34-35页 |
| 4.5 分裂度与合并度对聚类分析结果稳定性的影响 | 第35-37页 |
| 4.6 本章小结 | 第37-38页 |
| 5 基于FMISODATA算法的FMIGS模型 | 第38-41页 |
| 5.1 FMIGS模型 | 第38页 |
| 5.2 FMIGS模型可行性与优越性分析 | 第38-40页 |
| 5.3 本章小结 | 第40-41页 |
| 6 总结与展望 | 第41-42页 |
| 6.1 总结 | 第41页 |
| 6.2 展望 | 第41-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 附录 | 第47页 |