| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-11页 |
| 第一章 绪论 | 第11-14页 |
| ·数据挖掘 | 第11-12页 |
| ·聚类算法的研究与比较 | 第12-13页 |
| ·本文结构 | 第13-14页 |
| 第二章 聚类分析技术 | 第14-31页 |
| ·聚类分析中的数据类型 | 第14页 |
| ·数据矩阵 | 第14页 |
| ·相异度矩阵 | 第14页 |
| ·相异度的计算方法 | 第14-18页 |
| ·区间变量及其相异度 | 第14-15页 |
| ·二态变量及其相异度 | 第15-16页 |
| ·标称型、序数型和比例标度型变量及其相异度 | 第16-17页 |
| ·混合型变量及其相异度 | 第17-18页 |
| ·数据挖掘对聚类分析的要求 | 第18-19页 |
| ·主要的聚类算法 | 第19-30页 |
| ·划分方法 | 第19-22页 |
| ·层次方法 | 第22-24页 |
| ·基于密度的方法 | 第24-27页 |
| ·基于网格的方法 | 第27-29页 |
| ·基于模型的方法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于调整学习的聚类算法CAT-L框架 | 第31-39页 |
| ·CAT-L的产生背景 | 第31-32页 |
| ·调整学习的基本思想及应用 | 第32-34页 |
| ·CAT-L的基本思想 | 第34页 |
| ·算法CAT-L的基本框架 | 第34-35页 |
| ·调整算子设计 | 第35-37页 |
| ·等距调整算子 | 第35-37页 |
| ·噪声平滑调整算子 | 第37页 |
| ·算法CAT-L的优点 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于CAT-L框架的几种改进算法 | 第39-50页 |
| ·CAT-L框架下的FCM算法:CAT-LFCM | 第39-44页 |
| ·FCM算法 | 第39-41页 |
| ·CAT-LFCM算法及实验分析 | 第41-44页 |
| ·CAT-LFCM算法 | 第41-42页 |
| ·CAT-LFCM算法实验分析 | 第42-44页 |
| ·CAT-L框架下的CLARANS算法:CAT-LCLARANS | 第44-49页 |
| ·CLARANS算法 | 第44-46页 |
| ·CAT-LCLARANS算法及实验分析 | 第46-49页 |
| ·CAT-LCLARANS算法 | 第46页 |
| ·CAT-LCLARANS算法实验分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 结论 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 攻读硕士学位期间发表的论文 | 第57页 |