基于FCM的类合并聚类算法研究

摘要	第1-5页
ABSTRACT	第5-9页
1 绪论	第9-15页
·研究背景和意义	第9-10页
·国内外聚类方法现状综述	第10-15页
·聚类简介	第10-11页
·聚类涉及研究的方向	第11-12页
·国内外研究现状	第12-15页
2 数据挖掘及聚类分析	第15-30页
·数据挖掘方法	第15-17页
·概念描述	第15-16页
·关联分析	第16页
·分类和预测	第16-17页
·聚类分析	第17页
·聚类分析概述	第17-22页
·聚类分析中的数据结构	第17-18页
·聚类分析中的相似度度量方法	第18-20页
·聚类分析中的聚类准则函数	第20-22页
·FCM 算法介绍	第22-29页
·传统C 均值聚类算法(HCM)	第23-24页
·模糊C 均值聚类算法(FCM)	第24-26页
·FCM 算法分析及现有改进	第26-29页
·小结	第29-30页
3 基于FCM 的类合并算法	第30-41页
·基于FCM 的类合并算法的主要思想	第30-33页
·初始中心选择算法	第33-35页
·最大最小距离算法的原理和基本流程	第33-35页
·最大最小距离算法的参数讨论	第35页
·最大最小距离算法的缺点分析	第35页
·数值规约	第35-37页
·数值规约简介	第36-37页
·初始中心选择算法数值规约思想	第37页
·小类合并算法	第37-39页
·小类合并算法思想	第37-38页
·评估函数的选择	第38-39页
·基于FCM 的类合并算法流程描述	第39页
·小结	第39-41页
4 实验结果与分析	第41-49页
·仿真数据集的实验结果分析	第41-47页
·改进算法对噪声点的处理	第47-48页
·小结	第48-49页
5 论文总结	第49-51页
·论文的主要工作	第49页
·进一步努力的方向	第49-51页
致谢	第51-52页
参考文献	第52-55页
附录	第55页