| 第一章 绪论 | 第1-13页 |
| ·研究背景与意义 | 第9-10页 |
| ·本文的主要工作 | 第10-11页 |
| ·论文的结构 | 第11-13页 |
| 第二章 数据挖掘聚类算法概述 | 第13-23页 |
| ·聚类算法的相关工作 | 第13-16页 |
| ·划分聚类算法 | 第14页 |
| ·层次聚类算法 | 第14-15页 |
| ·基于密度聚类算法 | 第15页 |
| ·基于网格的聚类算法 | 第15页 |
| ·基于模型聚类 | 第15-16页 |
| ·高维数据聚类方法分析 | 第16-17页 |
| ·高维对聚类算法效率的影响 | 第16-17页 |
| ·高维数据聚类方法 | 第17页 |
| ·子空间聚类 | 第17-22页 |
| ·重叠划分子空间聚类算法 | 第17-19页 |
| ·无重叠划分子空间聚类算法 | 第19-20页 |
| ·最优投影聚类算法 | 第20-22页 |
| ·小结 | 第22-23页 |
| 第三章 基于覆盖率的类别数据聚类算法 | 第23-39页 |
| ·引言 | 第23-29页 |
| ·聚类评判函数（Criterion Function） | 第24-25页 |
| ·基于直方图的聚类算法 | 第25-26页 |
| ·CLOPE 算法 | 第26-29页 |
| ·基于覆盖率的聚类评判函数 | 第29-32页 |
| ·覆盖率（Criterion Function） | 第29-30页 |
| ·平均覆盖率 | 第30-32页 |
| ·基于覆盖率的类别数据聚类算法CCCD | 第32-36页 |
| ·CCCD 算法的具体流程 | 第32-35页 |
| ·CCCD 算法的时空复杂度分析 | 第35-36页 |
| ·实验结果 | 第36-38页 |
| ·Zoo 数据集实验结果 | 第36-37页 |
| ·Mushroom 数据集实验结果 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第四章 GHPCASOM 神经网络聚类算法 | 第39-58页 |
| ·引言 | 第39-42页 |
| ·SOM 神经网络模型 | 第39-40页 |
| ·SOM 神经网络聚类算法 | 第40-42页 |
| ·基于子空间的神经网络聚类算法 | 第42-49页 |
| ·ASSOM 神经网络模型 | 第43-45页 |
| ·PCASOM 神经网络模型 | 第45-49页 |
| ·GHPCASOM 聚类算法 | 第49-57页 |
| ·GHPCASOM 网络模型 | 第50-51页 |
| ·GHPCASOM 网络学习训练的几个关键 | 第51-55页 |
| ·实验结果 | 第55-57页 |
| ·小结 | 第57-58页 |
| 第五章 MINERONWEB 数据挖掘服务系统设计 | 第58-78页 |
| ·主流数据挖掘系统的研究分析 | 第58-62页 |
| ·MINERONWEB 数据挖掘服务系统 | 第62-77页 |
| ·MinerOnWeb 系统设计理念 | 第62-63页 |
| ·MinerOnWeb 系统功能设计 | 第63-66页 |
| ·MinerOnWeb 系统结构设计 | 第66-71页 |
| ·MinerOnWeb 系统处理流程 | 第71-72页 |
| ·MinerOnWeb 系统运行实例 | 第72-77页 |
| ·小结 | 第77-78页 |
| 第六章 总结和展望 | 第78-80页 |
| ·总结 | 第78页 |
| ·展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 硕士期间研究成果 | 第85页 |