基于划分和密度的聚类算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-11页 |
| ·课题背景及研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·论文主要内容 | 第10-11页 |
| 第二章 数据挖掘简介 | 第11-17页 |
| ·数据挖掘介绍 | 第11页 |
| ·数据挖掘的任务 | 第11-13页 |
| ·数据挖掘流程 | 第13页 |
| ·数据挖掘的方法 | 第13-14页 |
| ·数据挖掘的分类 | 第14-15页 |
| ·数据挖掘存在的问题 | 第15-17页 |
| 第三章 聚类分析 | 第17-26页 |
| ·聚类分析简介 | 第17页 |
| ·聚类分析的数据类型和相异度度量方法 | 第17-21页 |
| ·聚类分析的数据类型 | 第17-19页 |
| ·聚类分析的相异度度量方法 | 第19-21页 |
| ·聚类准则函数 | 第21-22页 |
| ·聚类算法分类 | 第22-24页 |
| ·聚类算法的要求 | 第24-26页 |
| 第四章 K-Means算法研究 | 第26-38页 |
| ·K-Means算法 | 第26页 |
| ·K-Means算法的优缺点 | 第26-27页 |
| ·改进的K-Means算法 | 第27-30页 |
| ·改进算法基本思想 | 第27-28页 |
| ·初始聚类中心的选择 | 第28-29页 |
| ·改进算法具体流程 | 第29-30页 |
| ·实验分析 | 第30-38页 |
| ·随机数据 | 第31-34页 |
| ·标准数据 | 第34-38页 |
| 第五章 DBSCAN算法研究 | 第38-51页 |
| ·DBSCAN算法 | 第38-41页 |
| ·DBSCAN算法定义 | 第38页 |
| ·DBSCAN算法过程 | 第38-41页 |
| ·DBSCAN算法的优缺点 | 第41-42页 |
| ·改进的DBSCAN算法 | 第42-43页 |
| ·实验分析 | 第43-51页 |
| ·一般数据 | 第43-47页 |
| ·环绕型数据 | 第47-51页 |
| 第六章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录A 图目录 | 第56-57页 |
| 附录B 表目录 | 第57-58页 |
| Appendix A: Figure Index | 第58-59页 |
| Appendix B: Table Index | 第59-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的论文 | 第61页 |
