基于综合度量的划分聚类研究

摘要	第1-4页
Abstract	第4-5页
目录	第5-7页
第一章 绪论	第7-11页
·聚类研究的目的和意义	第7-8页
·数据挖掘的产生背景	第7页
·聚类的产生过程	第7-8页
·聚类研究的目的和意义	第8页
·聚类技术的研究现状	第8-9页
·论文的内容和组织结构	第9-11页
第二章 聚类技术概述	第11-28页
·数据挖掘技术	第11-16页
·简述数据挖掘的定义	第11-13页
·简述数据挖掘的研究内容	第13-16页
·介绍数据挖掘的功能	第16页
·数据挖掘中的聚类分析	第16-26页
·聚类分析中的数据结构和数据类型	第17-22页
·主要聚类算法的分类	第22-24页
·常用的基于划分的聚类算法	第24-26页
·本章小结	第26-28页
第三章 分类属性数据基于综合度量的划分聚类研究	第28-37页
·基本概念	第28-32页
·分类属性数据的相异度定义	第28-30页
·更新的分类属性数据的相异度定义	第30-31页
·分类属性数据的代价函数	第31-32页
·分类属性数据基于综合度量的聚类算法	第32-35页
·K-Modes算法	第32-33页
·改进的K-Modes算法	第33-35页
·实验结果与分析	第35页
·本章小结	第35-37页
第四章 基于按频率分解的分类属性数据聚类研究	第37-46页
·基本概念	第37-40页
·混合属性数据的相异度度量	第37-38页
·混合属性数据代价函数的计算	第38-39页
·动态分配	第39-40页
·基于按频率分解的分类属性数据聚类算法	第40-43页
·按频率分解方法	第40-41页
·算法的提出	第41-43页
·实验结果与分析	第43-45页
·本章小结	第45-46页
第五章 结束语	第46-48页
参考文献	第48-52页
致谢	第52-53页
读研期间发表的论文	第53页