高维分类属性的子空间聚类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 子空间聚类 | 第10页 |
| 1.3 相关研究现状 | 第10-11页 |
| 1.4 本文工作 | 第11-12页 |
| 1.5 论文组织 | 第12-13页 |
| 2 聚类分析 | 第13-20页 |
| 2.1 聚类定义 | 第13页 |
| 2.2 聚类中相似度测量 | 第13-15页 |
| 2.3 聚类算法分类 | 第15-18页 |
| 2.4 聚类算法性能评价 | 第18-20页 |
| 3 子空间聚类算法 | 第20-31页 |
| 3.1 高维数据聚类综述 | 第20-22页 |
| 3.1.1 高维数据的挑战 | 第20-21页 |
| 3.1.2 高维数据对传统聚类算法的影响 | 第21-22页 |
| 3.2 属性约简 | 第22-24页 |
| 3.2.1 特征选择 | 第22页 |
| 3.2.2 特征变换 | 第22-24页 |
| 3.3 分类数据聚类算法 | 第24-25页 |
| 3.4 子空间聚类算法 | 第25-30页 |
| 3.4.1 子空间聚类的重要性 | 第25-27页 |
| 3.4.2 自底向上的搜索方法 | 第27页 |
| 3.4.3 自顶向下的搜索方法 | 第27页 |
| 3.4.4 常用子空间聚类算法综述 | 第27-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 高维分类数据聚类算法-FPSUB | 第31-45页 |
| 4.1 相关概念 | 第31-34页 |
| 4.1.1 频繁项集、最大频繁项集 | 第31页 |
| 4.1.2 频繁模式树FP-Tree | 第31-32页 |
| 4.1.3 关联规则挖掘 | 第32-33页 |
| 4.1.4 FP-Growth算法 | 第33-34页 |
| 4.1.5 子空间聚类 | 第34页 |
| 4.2 子空间聚类与关联规则挖掘的关系 | 第34页 |
| 4.3 算法描述 | 第34-43页 |
| 4.3.1 预处理 | 第35-39页 |
| 4.3.2 子空间发现 | 第39-41页 |
| 4.3.3 子空间聚类 | 第41-42页 |
| 4.3.4 子空间合并 | 第42-43页 |
| 4.4 参数确定 | 第43页 |
| 4.5 复杂度分析 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 5 实验验证 | 第45-53页 |
| 5.1 实验设置 | 第45页 |
| 5.2 实验结果及分析 | 第45-52页 |
| 5.3 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
