数据挖掘算法研究与应用
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 前言 | 第8-9页 |
| 1 数据挖掘技术概论 | 第9-18页 |
| ·数据挖掘技术的发展历程 | 第9页 |
| ·数据挖掘的定义 | 第9-11页 |
| ·数据挖掘的研究内容 | 第11页 |
| ·数据挖掘的任务 | 第11-13页 |
| ·数据总结 | 第11页 |
| ·概念描述 | 第11-12页 |
| ·相关性分析 | 第12页 |
| ·分类 | 第12页 |
| ·聚类 | 第12页 |
| ·偏差分析 | 第12-13页 |
| ·建模 | 第13页 |
| ·数据挖掘的功能 | 第13页 |
| ·数据挖掘的过程 | 第13-14页 |
| ·数据挖掘的应用 | 第14-16页 |
| ·数据挖掘的研究现状及发展趋势 | 第16-18页 |
| 2 关联规则 | 第18-29页 |
| ·关联规则的定义 | 第18页 |
| ·关联规则的分类 | 第18-19页 |
| ·关联规则挖掘的基本步骤和应注意的问题 | 第19-20页 |
| ·关联规则挖掘的经典算法--Apriori算法 | 第20页 |
| ·优对关联关系的挖掘 | 第20-29页 |
| ·优对关联关系的定义 | 第21-22页 |
| ·定理和主要结果 | 第22-25页 |
| ·算法 | 第25-27页 |
| ·实例验证算法 | 第27-28页 |
| ·小结 | 第28-29页 |
| 3 聚类分析 | 第29-44页 |
| ·聚类分析的概念 | 第29页 |
| ·聚类分析的应用 | 第29-30页 |
| ·聚类算法的要求 | 第30页 |
| ·聚类分析中的聚类准则函数 | 第30-34页 |
| ·主要聚类算法分析 | 第34-37页 |
| ·划分方法 | 第34-35页 |
| ·层次的方法 | 第35-36页 |
| ·基于密度的方法 | 第36页 |
| ·基于栅格的方法 | 第36-37页 |
| ·基于模型的方法 | 第37页 |
| ·K-Means算法及其改进算法 | 第37-43页 |
| ·算法简介 | 第37-38页 |
| ·算法的特点 | 第38页 |
| ·算法的改进 | 第38-39页 |
| ·实验结果 | 第39-43页 |
| ·小结 | 第43-44页 |
| 4 遗传算法 | 第44-55页 |
| ·遗传算法的发展 | 第44页 |
| ·遗传算法简介 | 第44-45页 |
| ·基本遗传算法 | 第45-47页 |
| ·遗传算法的数学理论 | 第47-48页 |
| ·定义 | 第47页 |
| ·模式定理 | 第47-48页 |
| ·积木块假设 | 第48页 |
| ·遗传算法存在的问题 | 第48页 |
| ·遗传算法实现技术 | 第48-52页 |
| ·编码方法 | 第48-49页 |
| ·适应度函数 | 第49-51页 |
| ·遗传算子 | 第51-52页 |
| ·约束条件的处理方法 | 第52页 |
| ·遗传算法改进聚类分析算法 | 第52-54页 |
| ·算法 | 第52-54页 |
| ·实验结果 | 第54页 |
| ·小结 | 第54-55页 |
| 结束语 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士期间发表的论文 | 第59-60页 |
| 致谢 | 第60-62页 |
