| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外聚类方法现状综述 | 第10-13页 |
| ·聚类简介 | 第10-11页 |
| ·聚类需要研究的方向 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文的研究内容和章节安排 | 第13-15页 |
| 2 数据挖掘及聚类分析 | 第15-28页 |
| ·数据挖掘方法 | 第15-17页 |
| ·概念描述 | 第15-16页 |
| ·关联分析 | 第16页 |
| ·分类和预测 | 第16-17页 |
| ·聚类分析 | 第17页 |
| ·聚类分析概述 | 第17-22页 |
| ·聚类分析中的数据结构 | 第17-18页 |
| ·聚类分析中的相似度度量方法 | 第18-20页 |
| ·聚类分析中的聚类准则函数 | 第20-22页 |
| ·K-means 算法介绍 | 第22-27页 |
| ·K-means 算法思想及算法框架 | 第23-24页 |
| ·K-means 算法的基本原理 | 第24-25页 |
| ·K-means 算法的优缺点分析及现有改进 | 第25-27页 |
| ·小结 | 第27-28页 |
| 3 基于最大最小距离法的多中心聚类算法（MCAMDA） | 第28-51页 |
| ·最大最小距离法的聚类原理 | 第28-31页 |
| ·最大最小距离算法的基本流程 | 第28-30页 |
| ·最大最小距离算法的参数讨论 | 第30页 |
| ·最大最小距离算法的缺点分析 | 第30-31页 |
| ·MCAMDA 算法详述 | 第31-42页 |
| ·MCAMDA 算法重点解决的问题 | 第31-32页 |
| ·初值优化算法 | 第32-36页 |
| ·初值优化算法流程描述 | 第36页 |
| ·小类合并算法中的密度聚类思想介绍 | 第36-39页 |
| ·小类合并算法 | 第39-41页 |
| ·小类合并算法流程描述 | 第41-42页 |
| ·关于抽样的研究 | 第42-49页 |
| ·抽样概念简介 | 第42-44页 |
| ·数据挖掘中的抽样策略 | 第44-46页 |
| ·样本容量公式的推导 | 第46-48页 |
| ·聚类中样本容量的探讨 | 第48-49页 |
| ·小结 | 第49-51页 |
| 4 实验结果与分析 | 第51-61页 |
| ·仿真数据集的实验结果分析 | 第51-55页 |
| ·改进算法对噪声点的处理 | 第55-58页 |
| ·MCAMDA 算法执行效率分析及改进方案 | 第58-60页 |
| ·小结 | 第60-61页 |
| 5 论文总结 | 第61-63页 |
| ·论文的主要工作 | 第61-62页 |
| ·进一步努力的方向 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录： | 第67-68页 |
| 1.作者在攻读硕士学位期间发表的论文目录 | 第67页 |
| 2. 作者在攻读硕士学位期间参加的科研项目 | 第67-68页 |
| 独创性声明 | 第68页 |
| 学位论文版权使用授权书 | 第68页 |