| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 引言 | 第10-21页 |
| ·课题研究背景 | 第10-11页 |
| ·聚类分析算法概述 | 第11-19页 |
| ·划分聚类方法 | 第13-14页 |
| ·层次聚类方法 | 第14-16页 |
| ·基于密度的聚类方法 | 第16-17页 |
| ·基于网格的聚类方法 | 第17-18页 |
| ·基于模型的聚类方法 | 第18-19页 |
| ·本文的主要工作 | 第19-21页 |
| 第二章 模糊聚类方法中的若干问题研究 | 第21-45页 |
| ·从HCM到FCM和PCM | 第21-29页 |
| ·硬聚类算法HCM | 第21-23页 |
| ·模糊聚类算法FCM | 第23-26页 |
| ·可能性聚类算法 | 第26-29页 |
| ·FCM和PCM的优缺点及其改进方法 | 第29-34页 |
| ·FCM和PCM的优缺点 | 第29-30页 |
| ·一种FCM与PCM相结合的模糊聚类算法 | 第30-31页 |
| ·数值试验 | 第31-34页 |
| ·基于遗传算法与FCSS相结合的球壳聚类方法 | 第34-43页 |
| ·球壳状数据的模糊聚类算法FCSS | 第34-36页 |
| ·FCSS算法的不足之处 | 第36-37页 |
| ·基于遗传算法与FCSS相结合的球壳聚类方法(GA-FCSS) | 第37-40页 |
| ·数值试验 | 第40-43页 |
| ·小结 | 第43-45页 |
| 第三章 基于Gauss混合模型的非监督聚类方法 | 第45-65页 |
| ·Gauss混合模型及其参数估计的EM算法 | 第45-51页 |
| ·Gauss混合模型 | 第45-46页 |
| ·Gauss混合模型参数估计的EM算法 | 第46-49页 |
| ·数值模拟试验 | 第49-51页 |
| ·基于Gauss混合模型的非监督聚类方法 | 第51-63页 |
| ·基于极小信息长度(MML)准则的MML-EM算法 | 第52-55页 |
| ·MML-EM聚类效果分析 | 第55-58页 |
| ·一种改进的MML-EM算法 | 第58-59页 |
| ·数值试验 | 第59-63页 |
| ·小结 | 第63-65页 |
| 第四章 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第72-73页 |
| 致谢 | 第73页 |