| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-28页 |
| ·聚类分析的研究背景 | 第10-13页 |
| ·主要聚类方法及其研究进展 | 第13-19页 |
| ·层次化聚类算法 | 第13-15页 |
| ·划分式聚类算法 | 第15-16页 |
| ·基于密度的聚类算法 | 第16-17页 |
| ·基于网格的聚类算法 | 第17-18页 |
| ·基于模型的聚类算法 | 第18-19页 |
| ·模糊C均值算法研究现状 | 第19-25页 |
| ·加权指数m的研究 | 第19-20页 |
| ·聚类类别数的研究 | 第20-21页 |
| ·相似性度量的研究 | 第21-23页 |
| ·不同类型数据集聚类方法的研究 | 第23页 |
| ·模糊聚类方法实现途径的研究 | 第23-25页 |
| ·本文的研究内容及结构 | 第25-28页 |
| 2 基于属性权重区间监督的模糊C均值聚类 | 第28-54页 |
| ·引言 | 第28-30页 |
| ·属性加权模糊C均值聚类 | 第30-34页 |
| ·模糊C均值算法 | 第30-32页 |
| ·属性加权模糊C均值算法 | 第32-34页 |
| ·属性加权模糊C均值聚类研究现状 | 第34-40页 |
| ·基于属性评价函数的加权模糊C均值聚类 | 第34-36页 |
| ·基于ReliefF算法的属性加权模糊聚类 | 第36-38页 |
| ·基于属性权重迭代学习的加权模糊C均值聚类 | 第38-40页 |
| ·基于属性权重区间监督的模糊C均值算法 | 第40-45页 |
| ·属性权重监督区间的确定 | 第41-44页 |
| ·基于属性权重区间监督的FCM算法 | 第44-45页 |
| ·ISWFCM算法的收敛性分析 | 第45页 |
| ·仿真实验 | 第45-52页 |
| ·实验结果 | 第45-47页 |
| ·结果分析 | 第47-52页 |
| ·本章小结 | 第52-54页 |
| 3 不完备数据模糊C均值聚类 | 第54-86页 |
| ·引言 | 第54-57页 |
| ·不完备数据模糊聚类研究现状 | 第57-61页 |
| ·基于完备数据策略的不完备数据FCM算法 | 第58页 |
| ·基于局部距离策略的不完备数据FCM算法 | 第58-59页 |
| ·基于优化完整策略的不完备数据FCM算法 | 第59-60页 |
| ·基于最近原型策略的不完备数据FCM算法 | 第60-61页 |
| ·基于最近邻区间的不完备数据模糊C均值聚类 | 第61-72页 |
| ·最近邻区间的确定 | 第61-62页 |
| ·基于区间数的模糊C均值算法 | 第62-64页 |
| ·最近邻样本数q的确定 | 第64页 |
| ·基于最近邻区间的不完备数据FCM算法 | 第64-65页 |
| ·仿真实验 | 第65-72页 |
| ·基于最近邻区间的模糊C均值-遗传算法混杂的不完备数据聚类 | 第72-84页 |
| ·混杂FCM-IGA算法中的遗传算法设计 | 第73-79页 |
| ·混杂FCM-IGA算法流程 | 第79-80页 |
| ·仿真实验 | 第80-84页 |
| ·本章小结 | 第84-86页 |
| 4 基于属性加权的不完备数据模糊聚类 | 第86-96页 |
| ·引言 | 第86-87页 |
| ·基于属性加权的不完备数据模糊C均值算法 | 第87-89页 |
| ·仿真实验 | 第89-95页 |
| ·本章小结 | 第95-96页 |
| 5 结论与展望 | 第96-100页 |
| ·结论 | 第96-98页 |
| ·展望 | 第98-100页 |
| 参考文献 | 第100-110页 |
| 创新点摘要 | 第110-111页 |
| 攻读博士学位期间发表学术论文情况 | 第111-112页 |
| 致谢 | 第112-113页 |
| 作者简介 | 第113-114页 |