| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-20页 |
| ·数据挖掘介绍 | 第10页 |
| ·数据挖掘的可挖掘对象 | 第10-12页 |
| ·关系数据库 | 第11页 |
| ·数据仓库 | 第11页 |
| ·事务数据库 | 第11页 |
| ·高级数据和信息系统与高级应用 | 第11-12页 |
| ·常用的数据挖掘技术 | 第12-14页 |
| ·关联分析法 | 第12页 |
| ·人工神经元网络 | 第12页 |
| ·决策树 | 第12-13页 |
| ·遗传算法 | 第13页 |
| ·聚集发现 | 第13页 |
| ·关联分析和序列模式分析 | 第13页 |
| ·偏差分析 | 第13-14页 |
| ·贝叶斯分类 | 第14页 |
| ·模糊c均值聚类算法 | 第14-16页 |
| ·模糊c均值聚类算法由来 | 第14-16页 |
| ·模糊c均值聚类算法的研究现状 | 第16-18页 |
| ·模糊聚类目标函数的进化 | 第17页 |
| ·模糊c均值的应用 | 第17-18页 |
| ·文章的研究内容和组织结构 | 第18-20页 |
| 第2章 模糊c均值聚类算法的研究 | 第20-27页 |
| ·引言 | 第20-21页 |
| ·问题描述 | 第21页 |
| ·新算法的提出 | 第21-23页 |
| ·实验结果 | 第23-26页 |
| ·实验一 | 第23-24页 |
| ·实验二 | 第24-25页 |
| ·实验三 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 模糊c均值聚类算法中加入半监督点密度加权的研究 | 第27-34页 |
| ·概述 | 第27页 |
| ·相关概念以及理论基础 | 第27-30页 |
| ·模糊c均值聚类 | 第27-28页 |
| ·半监督学习的模糊c均值聚类算法 | 第28-29页 |
| ·半监督点密度加权模糊c均值聚类 | 第29-30页 |
| ·实验数据及其分析 | 第30-32页 |
| ·实验一 | 第31页 |
| ·实验二 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第4章 模糊c均值聚类算法在计算机取证中的研究 | 第34-42页 |
| ·引言 | 第34-35页 |
| ·理论基础及算法实现 | 第35-39页 |
| ·主成份分析(PCA) | 第35-37页 |
| ·模糊c均值聚类算法 | 第37-39页 |
| ·实验结果及其分析 | 第39-41页 |
| ·实验一 | 第39-40页 |
| ·实验二 | 第40页 |
| ·实验三 | 第40-41页 |
| ·本章总结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| ·全文总结 | 第42页 |
| ·进一步的工作 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 攻读硕士学位期间发表的学术论文 | 第47-48页 |
| 致谢 | 第48-49页 |