基于属性相关度的子空间聚类算法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要研究内容 | 第10-11页 |
| 1.4 主要研究内容及组织 | 第11-12页 |
| 2 聚类问题 | 第12-27页 |
| 2.1 聚类的定义及构成 | 第12页 |
| 2.2 聚类的相似性度量 | 第12-15页 |
| 2.2.1 聚类分析中的数据类型 | 第13页 |
| 2.2.2 聚类分析中的相似性度量 | 第13-15页 |
| 2.3 聚类算法分类 | 第15-21页 |
| 2.3.1 层次聚类算法 | 第15-16页 |
| 2.3.2 基于划分的聚类算法 | 第16-18页 |
| 2.3.3 基于密度的聚类算法 | 第18-19页 |
| 2.3.4 基于网格的聚类算法 | 第19页 |
| 2.3.5 基于模型的聚类算法 | 第19-21页 |
| 2.4 聚类算法的有效性 | 第21-23页 |
| 2.5 聚类算法性能评价 | 第23-24页 |
| 2.6 数据聚类的发展趋势 | 第24-27页 |
| 3 子空间聚类算法的研究和分析 | 第27-32页 |
| 3.1 对于高维数据聚类的分析 | 第27-30页 |
| 3.1.1 高维数据的特点 | 第27-28页 |
| 3.1.2 高维数据聚类的解决方法研究 | 第28-29页 |
| 3.1.3 高维数据聚类的问题和研究方向 | 第29-30页 |
| 3.2 对子空间聚类的方法研究与分析 | 第30-31页 |
| 3.2.1 子空间聚类的必要性分析 | 第30页 |
| 3.2.2 自底向上的搜索方法 | 第30-31页 |
| 3.2.3 自顶向下的搜索方法 | 第31页 |
| 3.3 选择聚类算法的影响因素 | 第31-32页 |
| 4 基于属性相关度的子空间聚类 | 第32-47页 |
| 4.1 子空间聚类算法的改进 | 第32-35页 |
| 4.2 相关概念 | 第35-37页 |
| 4.2.1 频繁项集、频繁模式树 | 第35-36页 |
| 4.2.2 关联规则挖掘 | 第36-37页 |
| 4.3 子空间聚类和关联规则挖掘 | 第37-39页 |
| 4.3.1 改进的FP-Growth算法 | 第37-38页 |
| 4.3.2 皮尔森相关系数 | 第38-39页 |
| 4.3.3 子空间聚类和关联规则挖掘的关系 | 第39页 |
| 4.4 算法描述 | 第39-45页 |
| 4.4.1 预处理 | 第40-43页 |
| 4.4.2 子空间搜索 | 第43-44页 |
| 4.4.3 子空间聚类 | 第44-45页 |
| 4.5 算法分析与参数确定 | 第45页 |
| 4.6 本章小结 | 第45-47页 |
| 5 实验验证 | 第47-53页 |
| 5.1 实验设置 | 第47页 |
| 5.2 实验数据集 | 第47页 |
| 5.3 实验结果与分析 | 第47-52页 |
| 5.3.1 时间开销比较 | 第47-50页 |
| 5.3.2 算法性能比较 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
