| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 引言 | 第9-11页 |
| 研究现状 | 第9页 |
| 问题分析 | 第9-10页 |
| 论文结构 | 第10-11页 |
| 1 聚类算法的理论基础 | 第11-18页 |
| 1.1 聚类的定义 | 第11-12页 |
| 1.2 聚类结果评估 | 第12-15页 |
| 1.3 聚类算法的分类 | 第15-17页 |
| 1.3.1 层次化聚类算法(Hierarchical) | 第15-16页 |
| 1.3.2 划分式聚类算法(Partitional) | 第16页 |
| 1.3.3 基于密度的聚类算法(Density) | 第16页 |
| 1.3.4 K-Means算法介绍 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 2 实现聚类算法的解决方案 | 第18-23页 |
| 2.1 K-Means算法缺点分析 | 第18-20页 |
| 2.2 数据密度定义 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 算法设计 | 第23-25页 |
| 3.1 改进的ME-K-Means(More Effective-K-Means)算法 | 第23-24页 |
| 3.2 ME-K-Means算法流程图 | 第24-25页 |
| 4 实验结果及分析 | 第25-33页 |
| 4.1 人工数据集 | 第25-30页 |
| 4.2 真实数据集 | 第30-32页 |
| 4.3 本章小结 | 第32-33页 |
| 结论 | 第33-34页 |
| 参考文献 | 第34-36页 |
| 作者简历 | 第36-38页 |
| 学位论文数据集 | 第38-39页 |
