| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-7页 |
| 引言 | 第7-8页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究的内容及结构 | 第10-12页 |
| 1.3.1 本文研究内容 | 第10页 |
| 1.3.2 本文结构 | 第10-12页 |
| 第二章 数据挖掘及聚类算法概述 | 第12-18页 |
| 2.1 知识发现与数据挖掘的概述 | 第12-13页 |
| 2.2 数据挖掘方法 | 第13-14页 |
| 2.3 聚类算法相关知识 | 第14-18页 |
| 2.3.1 聚类算法的基本概念 | 第14-15页 |
| 2.3.2 聚类的典型方法 | 第15-17页 |
| 2.3.3 聚类的评价标准 | 第17-18页 |
| 第三章 稀疏聚类 | 第18-25页 |
| 3.1 高维聚类 | 第18-19页 |
| 3.2 稀疏聚类概述 | 第19-20页 |
| 3.3 稀疏聚类模型 | 第20-21页 |
| 3.4 稀疏 K-MEANS聚类 | 第21-25页 |
| 3.4.1 k-means 算法 | 第21-22页 |
| 3.4.2 稀疏 k-means 聚类算法 | 第22-24页 |
| 3.4.3 稀疏 k-means 均值中调优参数的选择 | 第24-25页 |
| 第四章 密度敏感的稀疏聚类算法 | 第25-35页 |
| 4.1 密度敏感距离 | 第25-26页 |
| 4.2 密度敏感的稀疏聚类算法 | 第26-28页 |
| 4.3 调优参数 | 第28页 |
| 4.4 实验结果及分析 | 第28-35页 |
| 4.4.1 数据集 | 第28-30页 |
| 4.4.2 调优参数 s 的选择 | 第30-31页 |
| 4.4.3 实验结果 | 第31-34页 |
| 4.4.4 实验分析 | 第34-35页 |
| 第五章 总结与展望 | 第35-36页 |
| 参考文献 | 第36-38页 |
| 致谢 | 第38页 |