分类属性数据聚类算法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·论文研究内容 | 第13页 |
| ·论文结构安排 | 第13-15页 |
| 第2章 聚类分析 | 第15-29页 |
| ·聚类分析的概念 | 第15-16页 |
| ·聚类分析中的数据结构及类型 | 第16-23页 |
| ·聚类分析中的数据结构 | 第16-17页 |
| ·聚类分析中的数据类型 | 第17-23页 |
| ·聚类分析方法的分类 | 第23-26页 |
| ·基于聚类标准的划分 | 第23页 |
| ·基于所处理的数据类型的划分 | 第23-24页 |
| ·基于聚类尺度的划分 | 第24-25页 |
| ·基于主要思路的划分 | 第25-26页 |
| ·聚类方法小结 | 第26页 |
| ·描述聚类的特征 | 第26-28页 |
| ·聚类的特征 | 第27页 |
| ·聚类准则的确定 | 第27-28页 |
| ·聚类的一般应用 | 第28-29页 |
| 第3章 基于划分的CCA算法 | 第29-47页 |
| ·K-modes算法 | 第29-34页 |
| ·K-modes算法 | 第29-31页 |
| ·对相异度的改进 | 第31-33页 |
| ·在合作学习分组中的应用 | 第33-34页 |
| ·K-prototypes算法 | 第34-36页 |
| ·Fuzzy k-modes算法 | 第36-40页 |
| ·Fuzzy k-modes算法 | 第36-37页 |
| ·对相异度改进的算法 | 第37-39页 |
| ·加权fuzzy k-modes算法 | 第39-40页 |
| ·近似k-median算法 | 第40-42页 |
| ·近似中值 | 第40-41页 |
| ·近似k-median算法 | 第41-42页 |
| ·试验分析 | 第42-45页 |
| ·聚类精确度 | 第42-44页 |
| ·结果分析比较 | 第44-45页 |
| ·小结 | 第45-47页 |
| 第4章 基于熵的CCA算法 | 第47-59页 |
| ·基于熵的算法 | 第47-51页 |
| ·熵的一些性质 | 第47-48页 |
| ·基于熵的模糊算法 | 第48-49页 |
| ·COOLCAT算法 | 第49-50页 |
| ·Best-K(ACE)算法 | 第50-51页 |
| ·引力模型的CCA算法 | 第51-57页 |
| ·ROCK算法和CACTUS算法 | 第51-52页 |
| ·相关定义 | 第52页 |
| ·引力模型及算法步骤 | 第52-54页 |
| ·合适的类数k | 第54-55页 |
| ·实验 | 第55-57页 |
| ·小结 | 第57-59页 |
| 第5章 基于子空间的CCA算法 | 第59-67页 |
| ·子空间聚类算法的基本思想 | 第59-60页 |
| ·子空间聚类的划分 | 第59-60页 |
| ·ENCLUS算法 | 第60页 |
| ·无重叠子空间CCA算法 | 第60-66页 |
| ·相关定义 | 第61-62页 |
| ·算法步骤 | 第62-64页 |
| ·实验 | 第64-66页 |
| ·小结 | 第66-67页 |
| 第6章 结束语 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士期间发表论文 | 第73页 |
