| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 课题的主要工作 | 第13-14页 |
| 1.4 论文的内容安排 | 第14-15页 |
| 第2章 聚类分析相关理论 | 第15-24页 |
| 2.1 聚类分析概念 | 第15-17页 |
| 2.2 数据结构及度量方法 | 第17-19页 |
| 2.3 聚类分析过程 | 第19-20页 |
| 2.4 主要的聚类方法 | 第20-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于人工鱼群算法的数据划分 | 第24-37页 |
| 3.1 人工鱼群算法 | 第24-29页 |
| 3.1.1 人工鱼群算法思想及原理 | 第24-27页 |
| 3.1.2 人工鱼群算法流程 | 第27-29页 |
| 3.1.3 人工鱼群算法特点 | 第29页 |
| 3.2 K-MEANS算法 | 第29-33页 |
| 3.2.1 k-means算法的基本思想和框架 | 第30-31页 |
| 3.2.2 k-means算法初始值分析 | 第31-32页 |
| 3.2.3 k-means算法初始值的选取 | 第32-33页 |
| 3.3 基于人工鱼群的数据划分方法 | 第33-36页 |
| 3.3.1 基于人工鱼群的数据划分思想 | 第33-34页 |
| 3.3.2 基于人工鱼群的数据划分步骤 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于数据划分的DBSCAN算法 | 第37-45页 |
| 4.1 DBSCAN算法 | 第37-41页 |
| 4.1.1 DBSCAN算法思想 | 第39页 |
| 4.1.2 DBSCAN算法框架 | 第39-40页 |
| 4.1.3 DBSCAN算法优缺点分析 | 第40-41页 |
| 4.2 参数EPS的自动确定 | 第41-42页 |
| 4.2.1 相关的定义及公式 | 第41-42页 |
| 4.2.2 参数Eps的自动确定 | 第42页 |
| 4.3 基于数据划分方法的DBSCAN算法 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 改进的DBSCAN算法在电子商务网站评价中应用 | 第45-52页 |
| 5.1 样本采集 | 第45-46页 |
| 5.2 数据预处理 | 第46-48页 |
| 5.3 改进的DBSCAN算法在网站评价中的应用 | 第48-50页 |
| 5.4 电子商务网站评价 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-55页 |
| 参考文献 | 第55-59页 |
| 在学期间发表的科研成果 | 第59-60页 |
| 致谢 | 第60页 |