| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.1.1 数据挖掘 | 第11页 |
| 1.1.2 不确定性数据 | 第11-13页 |
| 1.1.3 研究必要性 | 第13页 |
| 1.1.4 实际意义 | 第13-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 研究思路 | 第17-18页 |
| 1.3.1 目前研究的不足 | 第17页 |
| 1.3.2 研究理论与方法 | 第17-18页 |
| 1.4 本文组织结构 | 第18页 |
| 1.4.1 本文组织结构 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 相关理论与技术基础 | 第19-36页 |
| 2.1 聚类概述 | 第19-20页 |
| 2.2 聚类数学定义及模型 | 第20-21页 |
| 2.3 相似性度量函数介绍 | 第21-23页 |
| 2.3.1 数值属性的距离 | 第21-22页 |
| 2.3.2 二元属性的距离 | 第22-23页 |
| 2.3.3 余弦相似距离 | 第23页 |
| 2.4 确定性数据聚类概述 | 第23-28页 |
| 2.4.1 基于划分的聚类算法 | 第23-24页 |
| 2.4.2 基于层次的聚类算法 | 第24-26页 |
| 2.4.3 基于密度的聚类算法 | 第26页 |
| 2.4.4 基于图论的聚类算法 | 第26-27页 |
| 2.4.5 基于网格的聚类算法 | 第27页 |
| 2.4.6 基于分形的聚类算法 | 第27页 |
| 2.4.7 基于模型的聚类算法 | 第27页 |
| 2.4.8 基于仿生的聚类算法 | 第27-28页 |
| 2.4.9 基于核的聚类算法 | 第28页 |
| 2.5 (位置)不确定性数据表示 | 第28-29页 |
| 2.5.1 样本点集表示法 | 第28页 |
| 2.5.2 概率密度函数表示法 | 第28-29页 |
| 2.5.3 区间数表示法 | 第29页 |
| 2.5.4 联系数表示法 | 第29页 |
| 2.6 联系数 | 第29-34页 |
| 2.6.1 联系数概述 | 第30页 |
| 2.6.2 联系数分类 | 第30-31页 |
| 2.6.3 联系数的四则运算 | 第31-33页 |
| 2.6.4 联系数的态势值 | 第33页 |
| 2.6.5 联系数中的联系分量的取值 | 第33-34页 |
| 2.7 不确定性数据聚类概述 | 第34-35页 |
| 2.8 本章小结 | 第35-36页 |
| 第3章 算法设计与研究 | 第36-67页 |
| 3.1 相关定义 | 第36-38页 |
| 3.1.1 不确定性对象定义 | 第36页 |
| 3.1.2 位置不确定性数据的联系数表示 | 第36-38页 |
| 3.2 基于联系数和k-Means的不确定数据聚类算法UCNk-Means设计 | 第38-43页 |
| 3.2.1 算法背景 | 第38页 |
| 3.2.2 算法相关概念 | 第38-39页 |
| 3.2.3 算法描述 | 第39-43页 |
| 3.3 基于联系数和DBSCAN的不确定数据密度聚类算法UCNDBSCAN设计 | 第43-48页 |
| 3.3.1 算法背景 | 第43-44页 |
| 3.3.2 算法相关概念 | 第44-46页 |
| 3.3.3 算法描述 | 第46-48页 |
| 3.4 相关实验及分析 | 第48-65页 |
| 3.4.1 UCNk-Means计算复杂度分析 | 第48-50页 |
| 3.4.2 UCNDBSCAN计算复杂度分析 | 第50-51页 |
| 3.4.3 UCNk-Means实验分析 | 第51-55页 |
| 3.4.4 UCNDBSCAN实验分析 | 第55-63页 |
| 3.4.5 UCNk-Means与UCNDBSCAN实验对比 | 第63-65页 |
| 3.5 本章小结 | 第65-67页 |
| 第4章 总结与展望 | 第67-69页 |
| 4.1 全文总结 | 第67-68页 |
| 4.2 展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间参加的科研项目和成果 | 第75页 |
