基于k-means的自动三支决策聚类方法
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 研究内容 | 第13-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 三支决策聚类 | 第16-23页 |
| 2.1 聚类简介 | 第16-20页 |
| 2.1.1 k-means算法简介 | 第17-18页 |
| 2.1.2 常用有效性指数介绍 | 第18-20页 |
| 2.2 三支决策聚类 | 第20-22页 |
| 2.2.1 三支决策 | 第20页 |
| 2.2.2 三支决策聚类 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 章基于k-means的自动三支决策聚类 | 第23-41页 |
| 3.1 算法框架 | 第23-24页 |
| 3.2 考虑近邻的类簇数目确定方法 | 第24-29页 |
| 3.2.1 考虑近邻的有效性指数定义 | 第25-28页 |
| 3.2.2 算法描述 | 第28-29页 |
| 3.3 基于差值排序类簇数目确定方法 | 第29-33页 |
| 3.3.1 基于差值排序的有效性指数定义 | 第29-32页 |
| 3.3.2 算法描述 | 第32-33页 |
| 3.4 一种自动的三支聚类方法 | 第33-40页 |
| 3.4.1 对象和多个类之间的划分关系 | 第33-34页 |
| 3.4.2 对象和单个类的关系 | 第34-35页 |
| 3.4.3 三支决策聚类中类间近邻q的确定 | 第35-37页 |
| 3.4.4 自动三支决策聚类算法描述 | 第37-38页 |
| 3.4.5 算法时间复杂度分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 实验结果 | 第41-57页 |
| 4.1 数据集介绍 | 第41-43页 |
| 4.2 确定类簇个数实验结果与分析 | 第43-49页 |
| 4.2.1 CVIN折线图 | 第44-47页 |
| 4.2.2 CVIDN折线图 | 第47-48页 |
| 4.2.3 对比结果 | 第48-49页 |
| 4.3 三支聚类实验结果 | 第49-55页 |
| 4.3.1 类间近邻q的确定实验 | 第49-52页 |
| 4.3.2 三支结果 | 第52-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 结束语 | 第57-60页 |
| 5.1 主要工作与创新点 | 第57-59页 |
| 5.2 后续研究工作 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第66页 |
