| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景介绍 | 第8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.3 课题的研究内容和解决方案 | 第10页 |
| 1.4 本文组织 | 第10-12页 |
| 第二章 聚类分析算法的种类 | 第12-21页 |
| 2.1 划分聚类算法 | 第12-14页 |
| 2.1.1 K-MEANS聚类算法 | 第12-13页 |
| 2.1.2 K-MEDOIDS聚类算法 | 第13页 |
| 2.1.3 Affinity Propagation聚类算法 | 第13-14页 |
| 2.1.4 划分聚类算法的优劣 | 第14页 |
| 2.2 层次聚类算法 | 第14-16页 |
| 2.2.1 BIRCH聚类算法 | 第15-16页 |
| 2.2.2 CURE聚类算法 | 第16页 |
| 2.2.3 CHAMELEON聚类算法 | 第16页 |
| 2.2.4 层次聚类算法的优劣 | 第16页 |
| 2.3 基于密度的聚类算法 | 第16-19页 |
| 2.3.1 DBSCAN聚类算法 | 第17-18页 |
| 2.3.2 OPTICS聚类算法 | 第18页 |
| 2.3.3 DENCLUE聚类算法 | 第18页 |
| 2.3.4 基于密度聚类算法的优劣 | 第18-19页 |
| 2.4 基于网格的聚类算法 | 第19-21页 |
| 2.4.1 STING聚类算法 | 第19页 |
| 2.4.2 CLIQUE聚类算法 | 第19-20页 |
| 2.4.3 基于网格聚类算法的优劣 | 第20-21页 |
| 第三章 基于网格聚类算法的改进与设计 | 第21-32页 |
| 3.1 聚类算法网格的划分 | 第21-23页 |
| 3.2 网格中的数据分布密度的估计 | 第23-25页 |
| 3.3 基于广度优先搜索算法的聚类过程 | 第25页 |
| 3.4 算法的详细流程 | 第25-28页 |
| 3.4.1 划分网格和计算密度 | 第26-27页 |
| 3.4.2 广度优先搜索进行聚类 | 第27-28页 |
| 3.4.3 初始数据点赋予标签 | 第28页 |
| 3.5 聚类算法结果的评价 | 第28-32页 |
| 3.5.1 聚类评价中的一些术语 | 第29-30页 |
| 3.5.2 运用混淆矩阵计算评价指标的过程 | 第30-32页 |
| 第四章 实验过程和结果 | 第32-40页 |
| 4.1 实验数据集 | 第32页 |
| 4.2 算法聚类结果的评价指标 | 第32-33页 |
| 4.3 算法聚类结果的比较 | 第33-40页 |
| 第五章 结论与展望 | 第40-42页 |
| 5.1 主要结论 | 第40页 |
| 5.2 未来工作展望 | 第40-42页 |
| 参考文献 | 第42-45页 |
| 硕士期间的研究成果 | 第45-46页 |
| 致谢 | 第46页 |