基于高维数据聚类分析方法的有效性研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文组织结构 | 第12-14页 |
| 第2章 数据挖掘的相关技术 | 第14-25页 |
| 2.1 数据挖掘应用基础 | 第14-18页 |
| 2.1.1 数据挖掘中的任务类型 | 第14页 |
| 2.1.2 数据挖掘的实现方式 | 第14-16页 |
| 2.1.3 数据挖掘中的经典方法 | 第16-18页 |
| 2.2 聚类分析方法的概述 | 第18-19页 |
| 2.2.1 聚类分析对算法性能的要求 | 第18-19页 |
| 2.3 聚类分析中的数据类型 | 第19-21页 |
| 2.3.1 数据矩阵 | 第19页 |
| 2.3.2 相似性矩阵 | 第19-20页 |
| 2.3.3 区间标度变量 | 第20页 |
| 2.3.4 相似性度量 | 第20-21页 |
| 2.4 聚类分析主要算法 | 第21-24页 |
| 2.4.1 基于划分的聚类模型 | 第21-22页 |
| 2.4.2 基于层次的聚类模型 | 第22页 |
| 2.4.3 基于密度的聚类模型 | 第22-23页 |
| 2.4.4 基于网格的聚类模型 | 第23页 |
| 2.4.5 基于高维数据的聚类模型 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 高维数据属性加权聚类算法的研究 | 第25-41页 |
| 3.1 概述 | 第25-26页 |
| 3.2 经典K中心算法 | 第26-28页 |
| 3.3 分析Chan等人提出的聚类算法 | 第28-30页 |
| 3.4 分析基于分类属性的加权的失效的问题 | 第30-32页 |
| 3.5 基于分类属性数据的双加权的聚类算法 | 第32-39页 |
| 3.5.1 改进的属性加权的聚类算法 | 第32-35页 |
| 3.5.2 基于分类属性的双加权聚类算法 | 第35-39页 |
| 3.6 算法时间复杂度分析 | 第39-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 仿真实验 | 第41-54页 |
| 4.1 聚类精确度分析 | 第41-43页 |
| 4.2 实验及算法的实现 | 第43-52页 |
| 4.3 本章小结 | 第52-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第61-62页 |
| 致谢 | 第62页 |
