| 中文摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景、目的及意义 | 第11页 |
| ·国内外研究现状 | 第11-13页 |
| ·初始类中心选择研究现状 | 第11-12页 |
| ·非平衡数据研究现状 | 第12-13页 |
| ·本文研究工作 | 第13页 |
| ·论文的组织结构 | 第13-15页 |
| 第二章 聚类算法的基本概念 | 第15-21页 |
| ·聚类算法中的数据表示 | 第15页 |
| ·聚类算法中的距离计算 | 第15-17页 |
| ·聚类算法的基本思想 | 第17-20页 |
| ·k-means聚类算法 | 第17-18页 |
| ·fuzzy k-means聚类算法 | 第18-19页 |
| ·k-means与fuzzy k-means聚类算法的优缺点 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于稀疏度和距离的初始类中心选择算法 | 第21-31页 |
| ·初始类中心选择算法 | 第21-22页 |
| ·基本思想 | 第21-22页 |
| ·算法描述 | 第22页 |
| ·评价指标 | 第22-23页 |
| ·数据集与文本表示 | 第23-24页 |
| ·UCI数据 | 第23页 |
| ·真实数据 | 第23-24页 |
| ·文本特征权重分析 | 第24-26页 |
| ·特征权重计算方法 | 第24-25页 |
| ·实验分析 | 第25-26页 |
| ·实验结果及分析 | 第26-29页 |
| ·UCI数据实验分析 | 第26-27页 |
| ·真实数据实验分析 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第四章 基于类簇相似度和平均链接的类簇合并算法研究 | 第31-39页 |
| ·相似度原理 | 第31-32页 |
| ·类簇间的距离计算方法 | 第32-33页 |
| ·类簇合并算法 | 第33-34页 |
| ·基本思想 | 第33页 |
| ·算法描述 | 第33-34页 |
| ·数据集与文本表示 | 第34页 |
| ·实验结果及分析 | 第34-38页 |
| ·初始点选取个数实验分析 | 第34-36页 |
| ·类簇合并实验分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 总结与展望 | 第39-41页 |
| ·结论 | 第39页 |
| ·展望 | 第39-41页 |
| 参考文献 | 第41-45页 |
| 研究成果 | 第45-47页 |
| 致谢 | 第47-49页 |
| 个人简况及联系方式 | 第49-51页 |
| 承诺书 | 第51-53页 |