基于覆盖的聚类算法研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-26页 |
| ·本文的选题背景与研究意义 | 第9-10页 |
| ·数据挖掘概述 | 第10-13页 |
| ·数据挖掘的定义 | 第10-12页 |
| ·数据挖掘的目的 | 第12页 |
| ·数据挖掘的分类 | 第12-13页 |
| ·聚类分析概述 | 第13-24页 |
| ·聚类分析的概念 | 第13-14页 |
| ·聚类分析算法的分类 | 第14-15页 |
| ·聚类分析的基本知识 | 第15-23页 |
| ·聚类算法的一般步骤 | 第15-16页 |
| ·聚类的定义 | 第16-17页 |
| ·样品与指标 | 第17-18页 |
| ·对数据规格化计算方法的分析 | 第18-19页 |
| ·样品间“相似性”度量——距离的计算方法 | 第19-21页 |
| ·对相似程度r(?)计算方法的分析 | 第21-23页 |
| ·聚类算法研究面临的挑战 | 第23-24页 |
| ·本论文的组织 | 第24-26页 |
| 第2章 传统聚类算法的分析与研究 | 第26-39页 |
| ·系统聚类法 | 第26-33页 |
| ·算法的思想 | 第26页 |
| ·算法的步骤 | 第26-30页 |
| ·算法的流程图 | 第30-31页 |
| ·算法分析 | 第31-33页 |
| ·算法优点 | 第31-32页 |
| ·算法缺点 | 第32-33页 |
| ·算法比较 | 第33页 |
| ·动态聚类法 | 第33-37页 |
| ·初始聚类中心的选择 | 第34页 |
| ·初始分类 | 第34页 |
| ·修改分类的原则 | 第34页 |
| ·K-means算法 | 第34-37页 |
| ·算法流程 | 第35页 |
| ·算法步骤 | 第35-36页 |
| ·算法分析 | 第36-37页 |
| ·基于矢量的LBG算法简介 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 覆盖聚类算法的分析与研究 | 第39-53页 |
| ·球形覆盖领域概念分析 | 第39-42页 |
| ·人工神经元模型 | 第39页 |
| ·超平面表示 | 第39-40页 |
| ·球面上“领域”的表示 | 第40-42页 |
| ·球形覆盖学习算法 | 第42-45页 |
| ·球形覆盖的意义 | 第42-43页 |
| ·领域覆盖算法 | 第43-45页 |
| ·一种新的聚类算法——覆盖聚类算法(CCA) | 第45-52页 |
| ·覆盖聚类算法 | 第46-47页 |
| ·性能分析 | 第47-48页 |
| ·实验数据 | 第48-51页 |
| ·数据分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 覆盖聚类算法在药品销售数据中的应用 | 第53-58页 |
| ·聚类的应用领域 | 第53页 |
| ·聚类目标 | 第53-54页 |
| ·药品销售数据的预处理和标准化 | 第54-56页 |
| ·药品销售数据聚类过程描述 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| ·全文总结 | 第58-59页 |
| ·研究展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 作者在学期间所撰写的论文 | 第64页 |
