模糊聚类算法在数据挖掘中的应用研究

摘要	第1-5页
Abstract	第5-6页
目录	第6-8页
1 绪论	第8-12页
·论文的选题背景和研究意义	第8-9页
·国内外研究现状	第9-10页
·论文的主要研究内容	第10-12页
2 数据挖掘中的基本聚类算法	第12-20页
·数据挖掘的定义和方法	第12页
·聚类分析	第12-13页
·硬聚类算法	第13-19页
·C-均值聚类算法	第13-14页
·ISODATA聚类算法	第14-16页
·核C-均值聚类算法	第16-17页
·SVC聚类算法	第17-19页
·小结	第19-20页
3 模糊聚类算法研究	第20-31页
·模糊聚类分析	第20-21页
·FCM模糊聚类算法及其改进算法	第21-24页
·FCM模糊聚类算法	第21-22页
·GK模糊聚类算法	第22-24页
·KFCM模糊聚类算法及其改进算法	第24-28页
·核学习方法	第24-25页
·KFCM模糊聚类算法	第25-27页
·WKFCM模糊聚类算法	第27-28页
·基于减法聚类的模糊聚类算法	第28-30页
·小结	第30-31页
4 模糊聚类算法在数据挖掘中的应用	第31-53页
·性能评价和聚类可视化	第31-32页
·模糊聚类算法在人工数据集中的应用	第32-36页
·GK模糊聚类算法在人工数据集中的应用	第33-34页
·WKFCM模糊聚类算法在人工数据集中的应用	第34-36页
·模糊聚类算法在标准数据集中的应用	第36-45页
·GK模糊聚类算法在Iris数据集中的应用	第38-40页
·WKFCM模糊聚类算法在Iris数据集中的应用	第40-41页
·GK模糊聚类算法在Wine数据集中的应用	第41-43页
·WKFCM模糊聚类算法在Wine数据集中的应用	第43-45页
·模糊聚类算法在网络入侵检测中的应用	第45-52页
·模糊聚类进行网络入侵检测的原理	第45-46页
·数据集的选取	第46-48页
·数据集的预处理	第48-50页
·GK和WKFCM算法在入侵检测中的应用	第50-52页
·小结	第52-53页
结论	第53-54页
致谢	第54-55页
参考文献	第55-58页
攻读学位期间的研究成果	第58页