基于数据仓库的聚类数据挖掘工具的研究
| 第一章 绪论 | 第1-19页 |
| 1．1 数据仓库、数据挖掘技术概述 | 第9-11页 |
| 1．2 数据挖掘研究内容和本质 | 第11-13页 |
| 1．3 数据挖掘的任务 | 第13-15页 |
| 1．4 数据挖掘已有成就及国内现状 | 第15-18页 |
| 1．5 本文的主要研究内容 | 第18-19页 |
| 第二章 聚类算法的分析与比较 | 第19-33页 |
| 2．1 聚类分析的定义及评价标准 | 第19-21页 |
| 2．2 聚类分析中的数据结构类型 | 第21-22页 |
| 2．3 各种聚类算法的分析与比较 | 第22-33页 |
| 第三章 基于划分的聚类算法的研究 | 第33-50页 |
| 3．1 基于划分的聚类方法的对比研究 | 第33-41页 |
| 3．2 适用于大数据集合聚类方法特点分析 | 第41-42页 |
| 3．3 一种新型的聚类分析方法——CCA | 第42-50页 |
| 第四章 基于神经网络聚类分析方法的研究 | 第50-67页 |
| 4．1 自组织特征映射神经元网络 | 第50-51页 |
| 4．2 网络的拓扑结构和工作原理 | 第51-54页 |
| 4．3 自组织映射算法 | 第54-56页 |
| 4．4 基于Kohonen网络的聚类分析的研究 | 第56-58页 |
| 4．5 对Kohonen网络计算模型的改进 | 第58-65页 |
| 4．6 聚类Kohonen网络分析模块的实现 | 第65-67页 |
| 第五章 基于数据仓库的聚类分析 | 第67-84页 |
| 5．1 数据仓库系统 | 第67-71页 |
| 5．2 数据立方体 | 第71-76页 |
| 5．3 基于数据仓库的分布式聚类分析系统 | 第76-84页 |
| 第六章 研究总结与体会 | 第84-87页 |
| 6．1 研究总结与体会 | 第84-86页 |
| 6．2 今后进一步的研究工作 | 第86页 |
| 6．3 读硕士学位期间的研究成果和发表的学术论文 | 第86-87页 |
| 参考文献 | 第87-92页 |
| 致谢 | 第92页 |
