基于信息熵的聚类个数确定方法研究

摘要	第1-9页
ABSTRACT	第9-11页
第一章 绪论	第11-19页
·论文研究背景及意义	第11-12页
·聚类分析基本步骤	第12-13页
·聚类分析中的数据类型	第13-14页
·聚类算法的主要类别	第14-15页
·层次聚类	第14-15页
·划分聚类	第15页
·聚类分析的应用领域	第15-16页
·聚类个数确定方法研究现状	第16-18页
·数值型数据聚类个数确定方法研究现状	第16-17页
·分类型数据聚类个数确定方法研究现状	第17-18页
·论文的研究内容与组织结构	第18-19页
第二章 分类型数据聚类个数确定算法	第19-29页
·分类型数据初始聚类中心选取算法	第19-21页
·分类型数据聚类个数确定算法	第21-24页
·相异性度量	第21-23页
·算法描述	第23-24页
·实验结果及分析	第24-27页
·小结	第27-29页
第三章 混合型数据聚类个数确定算法	第29-43页
·混合型数据相似性测度	第29-35页
·数值型数据相似性测度	第29-31页
·分类型数据相似性测度	第31-35页
·混合型数据聚类有效性指标	第35-36页
·混合型数据聚类个数确定算法	第36-38页
·改进的K-Prototypes算法	第36-37页
·混合型数据聚类个数确定算法	第37-38页
·实验结果及分析	第38-42页
·小结	第42-43页
第四章 聚类分析数据挖掘系统的设计与实现	第43-51页
·常用数据挖掘系统研究现状	第43-45页
·聚类分析数据挖掘系统	第45-50页
·系统功能	第45-46页
·系统特点	第46-47页
·系统运行实例	第47-50页
·小结	第50-51页
第五章 总结与展望	第51-53页
参考文献	第53-57页
攻读硕士学位期间取得的研究成果	第57-59页
致谢	第59-61页
个人简况及联系方式	第61-65页