| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 数据挖掘现状 | 第9-10页 |
| 1.2.2 聚类研究现状 | 第10页 |
| 1.2.3 k-means算法研究现状 | 第10-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 本文的内容安排 | 第12-13页 |
| 第2章 相关知识介绍 | 第13-25页 |
| 2.1 数据挖掘概述 | 第13-15页 |
| 2.1.1 数据挖掘定义 | 第13页 |
| 2.1.2 数据挖掘的流程 | 第13-14页 |
| 2.1.3 数据挖掘的功能及应用 | 第14-15页 |
| 2.2 聚类介绍 | 第15-22页 |
| 2.2.1 聚类的定义 | 第15页 |
| 2.2.2 聚类的过程 | 第15-16页 |
| 2.2.3 聚类算法中的数据结构 | 第16页 |
| 2.2.4 常见的聚类算法 | 第16-19页 |
| 2.2.5 聚类分析相似度度量和准则函数 | 第19-21页 |
| 2.2.6 聚类效果的评价指标 | 第21-22页 |
| 2.3 k-means算法 | 第22-24页 |
| 2.3.1 k-means算法的基本思想 | 第22页 |
| 2.3.2 k-means算法的流程 | 第22-23页 |
| 2.3.3 k-means算法的优缺点分析 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于改变初始聚类中心的k-means聚类算法 | 第25-32页 |
| 3.1 引言 | 第25页 |
| 3.2 k-means算法的局限性 | 第25-26页 |
| 3.3 算法流程描述 | 第26-28页 |
| 3.3.1 改进算法的主要思想 | 第26页 |
| 3.3.2 改进算法的基本流程 | 第26-28页 |
| 3.4 实验结果及分析 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于运行时间和准确性的k-means聚类算法改进 | 第32-38页 |
| 4.1 引言 | 第32页 |
| 4.2 k-means聚类算法的流程 | 第32-33页 |
| 4.3 改进的k-means聚类算法 | 第33-34页 |
| 4.3.1 改进算法的主要思想 | 第33页 |
| 4.3.2 改进算法的过程描述 | 第33-34页 |
| 4.4 实验结果及分析 | 第34-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第5章 全文总结和展望 | 第38-40页 |
| 5.1 全文总结 | 第38-39页 |
| 5.2 展望 | 第39-40页 |
| 参考文献 | 第40-45页 |
| 读研期间科研成果及获奖情况 | 第45-46页 |
| 致谢 | 第46-47页 |