数据挖掘中模糊聚类与聚类集成研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·本文研究背景 | 第11页 |
| ·国内外研究现状 | 第11-17页 |
| ·数据挖掘技术的发展及研究现状 | 第12-13页 |
| ·模糊聚类理论的发展及现状 | 第13-15页 |
| ·聚类集成发展及研究现状 | 第15-17页 |
| ·论文主要内容及组织结构 | 第17-19页 |
| 第2章 数据挖掘综述 | 第19-28页 |
| ·数据挖掘概述 | 第19-24页 |
| ·数据挖掘中的关键技术 | 第19-20页 |
| ·数据挖掘的任务 | 第20-21页 |
| ·数据挖掘工具分析 | 第21-24页 |
| ·聚类分析 | 第24-27页 |
| ·聚类分析概述 | 第24-25页 |
| ·聚类分析的主要方法 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 模糊聚类分析 | 第28-36页 |
| ·模糊理论 | 第28-32页 |
| ·模糊集合 | 第28-31页 |
| ·模糊关系 | 第31-32页 |
| ·FCM算法概述 | 第32-35页 |
| ·数据集的c划分 | 第33页 |
| ·硬c-均值聚类算法 | 第33-34页 |
| ·模糊c-均值聚类算法 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 高属性维稀疏数据模糊聚类算法 | 第36-66页 |
| ·差异度衡量方法 | 第36-38页 |
| ·区间变量及其差异度 | 第37-38页 |
| ·二态变量及其差异度 | 第38页 |
| ·稀疏特征差异度 | 第38-40页 |
| ·特征选择技术 | 第40-42页 |
| ·基于图论的高维稀疏数据模糊聚类算法 | 第42-48页 |
| ·图论基本概念 | 第43-44页 |
| ·模糊图论聚类方法 | 第44-46页 |
| ·实例计算 | 第46-48页 |
| ·实验分析 | 第48-65页 |
| ·评价方法和实验方案 | 第48-50页 |
| ·实验结果及分析 | 第50-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 模糊聚类集成决策模型 | 第66-79页 |
| ·聚类集成概述 | 第66-67页 |
| ·模糊聚类集成 | 第67-69页 |
| ·决策模型设计 | 第69-71页 |
| ·实验分析 | 第71-78页 |
| ·评价方法 | 第72页 |
| ·实验数据 | 第72-73页 |
| ·实验结果 | 第73-78页 |
| ·本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 1.本文主要工作 | 第79-80页 |
| 2.今后进一步的研究工作 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-89页 |
| 攻读硕士学位期间所发表的论文 | 第89页 |
