| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-21页 |
| ·聚类 | 第10-14页 |
| ·聚类概述 | 第10-12页 |
| ·数据间的度量准则（相似性） | 第12-13页 |
| ·密度相似性 | 第13-14页 |
| ·基于代表点的算法 | 第14-18页 |
| ·基于单个代表点的算法 | 第15-16页 |
| ·基于多个代表点的算法 | 第16-18页 |
| ·多层次的聚类算法概述 | 第18-19页 |
| ·文章章节安排 | 第19-21页 |
| 第二章 多层次的聚类方法 | 第21-24页 |
| ·多层聚类算法 | 第21-22页 |
| ·本文算法主要思想 | 第22-24页 |
| 第三章 MulCA: 基于多层核心集凝聚的聚类算法 | 第24-32页 |
| ·基于高斯核的相似性与α-核心集 | 第24-25页 |
| ·基于α-核心集的凝聚分类 | 第25-27页 |
| ·多层α-核心集 | 第27-28页 |
| ·多层α-核心集凝聚算法（MulCA） | 第28-30页 |
| ·算法的复杂度 | 第30-32页 |
| 第四章 实验比较及评价 | 第32-38页 |
| ·任意形状的人工数据集实验 | 第32-33页 |
| ·不同重叠程度的人工数据集实验 | 第33-34页 |
| ·加入不同个噪声点的人工数据集实验 | 第34-35页 |
| ·真实数据集实验 | 第35页 |
| ·MulCA 算法的参数实验与讨论 | 第35-38页 |
| 第五章 应用于大规模数据集 | 第38-42页 |
| ·应用于大规模数据集的算法框架 | 第38-39页 |
| ·实验分析 | 第39-42页 |
| 第六章 总结 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46-47页 |
| 在学期间的研究成果及发表的学术论文 | 第47页 |