| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·研究内容与研究思路 | 第11-13页 |
| ·研究内容 | 第11-12页 |
| ·研究方法 | 第12-13页 |
| ·章节的结构安排 | 第13-14页 |
| 第二章 数据挖掘技术概念与聚类算法的理论基础 | 第14-27页 |
| ·数据挖掘概述 | 第14-18页 |
| ·数据挖掘的定义 | 第14-15页 |
| ·数据挖掘系统的分类 | 第15页 |
| ·数据挖掘的任务和步骤 | 第15-17页 |
| ·数据挖掘的主要算法概述 | 第17-18页 |
| ·数据挖掘算法的特性 | 第18页 |
| ·聚类算法的相关理论 | 第18-21页 |
| ·聚类的定义 | 第19页 |
| ·聚类分析的流程 | 第19页 |
| ·聚类分析算法的种类 | 第19-21页 |
| ·聚类分析中的数据结构与相似性度量 | 第21-26页 |
| ·聚类分析中的数据结构 | 第21-22页 |
| ·聚类分析中不同数据类型的相似度度量方法 | 第22-26页 |
| ·聚类分析在地质勘探地震数据的上的应用 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 K-means算法及其应用克鲁斯卡尔算法的改进 | 第27-42页 |
| ·K-means算法概述 | 第27-28页 |
| ·K-means算法的引入 | 第27-28页 |
| ·K-means算法流程 | 第28页 |
| ·K-means算法的缺点及其现有的改进 | 第28-32页 |
| ·K-means算法的缺点 | 第28-29页 |
| ·目前对K-means算法缺点的改进 | 第29-32页 |
| ·本文提出的对K-means算法进行改进的方案 | 第32-41页 |
| ·改进算法的提出 | 第32-33页 |
| ·改进算法的理论基础 | 第33-36页 |
| ·克鲁斯卡尔算法在K-means聚类算法上的应用 | 第36-37页 |
| ·对影响K-means算法的噪声和孤立点数据的删除的讨论 | 第37-39页 |
| ·改进具体算法流程 | 第39-41页 |
| ·本文提出的K-means改进算法优点 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第四章 改进算法在地质勘探地震数据上应用的实验分析 | 第42-63页 |
| ·地质勘探地震数据应用数据挖掘的意义 | 第42-43页 |
| ·聚类分析数据对象的选择 | 第43-44页 |
| ·聚类分析数据的整理与清洗 | 第44-46页 |
| ·改进的K-means聚类算法在地质勘探地震数据上应用实验分析 | 第46-59页 |
| ·二维地质勘探地震数据的聚类实验分析 | 第46-52页 |
| ·多维地质勘探地震数据的聚类实验分析 | 第52-59页 |
| ·聚类分析系统模型的设计与实现 | 第59-61页 |
| ·系统分析 | 第59-60页 |
| ·系统设计 | 第60页 |
| ·系统功能 | 第60-61页 |
| ·聚类结果的解释及其经济效益分析 | 第61-62页 |
| ·聚类结果的解释 | 第61-62页 |
| ·聚类算法应用的经济效益分析 | 第62页 |
| ·本章小结 | 第62-63页 |
| 第五章 结论与展望 | 第63-65页 |
| ·结论 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |
