| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第2章 聚类分析 | 第19-35页 |
| 2.1 聚类分析原理 | 第19-22页 |
| 2.1.1 聚类分析定义 | 第19页 |
| 2.1.2 聚类分析的数据结构 | 第19-20页 |
| 2.1.3 距离和相似系数 | 第20-22页 |
| 2.2 聚类分析算法分类 | 第22-26页 |
| 2.2.1 基于聚类标准的划分 | 第22-23页 |
| 2.2.2 基于聚类尺度的划分 | 第23-24页 |
| 2.2.3 基于主要思路的划分 | 第24-26页 |
| 2.2.4 基于所处理的数据类型的划分方法 | 第26页 |
| 2.3 基于快速密度峰值搜索的聚类算法 | 第26-32页 |
| 2.3.1 算法的思想 | 第26页 |
| 2.3.2 聚类中心的选取 | 第26-30页 |
| 2.3.3 CFSFDP聚类算法的聚类过程 | 第30-32页 |
| 2.4 K-means算法介绍 | 第32-33页 |
| 2.5 聚类算法性能的评估 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 基于快速密度峰值搜索的聚类算法的改进 | 第35-46页 |
| 3.1 CFSFDP聚类算法聚类结果分析 | 第35-38页 |
| 3.2 改进的基于快速密度峰值搜索的聚类算法 | 第38-45页 |
| 3.2.1 改进的基于快速密度峰值搜索的聚类算法的算法思想 | 第38-41页 |
| 3.2.2 改进的基于快速密度峰值搜索的聚类算法的算法步骤 | 第41页 |
| 3.2.3 实验结果分析 | 第41-44页 |
| 3.2.4 σ对改进的PEE-CFSFDP聚类算法的影响分析 | 第44-45页 |
| 3.3 本章小结 | 第45-46页 |
| 第4章 一种融合了K-means算法和PEE-CFSFDP算法的聚类方法 | 第46-58页 |
| 4.1 K-means算法分析 | 第46-47页 |
| 4.2 K-means算法与PEE-CFSFDP聚类算法的融合 | 第47-49页 |
| 4.2.1 使用熵值法确定各数据对象之间的赋权欧氏距离 | 第47-48页 |
| 4.2.2 KPEE-CFSFDP算法描述 | 第48-49页 |
| 4.3 基于K-means算法的改进算法的实验分析 | 第49-53页 |
| 4.4 PEE-CFSFDP算法和KPEE-CFSFDP算法的对比分析 | 第53-56页 |
| 4.5 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 附录A 发表论文和参加科研情况说明目录 | 第65-66页 |
| 致谢 | 第66页 |
