针对多维混合属性数据的聚类算法研究
| 提要 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-13页 |
| 第1章 绪论 | 第13-23页 |
| ·引言 | 第13页 |
| ·数据挖掘 | 第13-16页 |
| ·数据对象与属性类型 | 第16-19页 |
| ·分类属性 | 第17页 |
| ·二元属性 | 第17页 |
| ·序数属性 | 第17-18页 |
| ·数值属性 | 第18页 |
| ·离散属性和连续属性 | 第18-19页 |
| ·混合属性数据的聚类研究现状 | 第19-20页 |
| ·本文主要工作 | 第20页 |
| ·本文的组织结构 | 第20-23页 |
| 第2章 聚类分析的理论基础 | 第23-43页 |
| ·引言 | 第23-24页 |
| ·数据对象的数学表示 | 第24页 |
| ·相异性和距离 | 第24-29页 |
| ·数值型相异性度量 | 第25-26页 |
| ·分类型相异性度量 | 第26-27页 |
| ·混合型相异性度量 | 第27-29页 |
| ·聚类分析的相关概念 | 第29-36页 |
| ·簇和中心 | 第30-31页 |
| ·数据中心趋势的度量 | 第31-32页 |
| ·硬聚类和模糊聚类 | 第32-33页 |
| ·聚类过程 | 第33-34页 |
| ·基本的聚类框架 | 第34-36页 |
| ·常见的聚类算法 | 第36-42页 |
| ·数值型数据聚类算法 | 第36-38页 |
| ·分类型数据聚类算法 | 第38-39页 |
| ·混合型数据聚类算法 | 第39-42页 |
| ·小结 | 第42-43页 |
| 第3章 混合属性数据的加权聚类算法 | 第43-53页 |
| ·引言 | 第43页 |
| ·W-k-means 算法描述 | 第43-45页 |
| ·混合属性数据的加权聚类算法 IWKM | 第45-49页 |
| ·分布质心 | 第45-46页 |
| ·Huang 的重要性评估策略 | 第46页 |
| ·IWKM 算法 | 第46-48页 |
| ·复杂性分析 | 第48-49页 |
| ·实验结果与分析 | 第49-52页 |
| ·小结 | 第52-53页 |
| 第4章 混合属性数据的加权模糊聚类算法 | 第53-71页 |
| ·引言 | 第53页 |
| ·传统的 K-prototypes 算法 | 第53-55页 |
| ·加权模糊聚类算法 WFK-prototypes | 第55-60页 |
| ·模糊集和模糊聚类 | 第55-56页 |
| ·模糊质心 | 第56页 |
| ·距离和重要性 | 第56-58页 |
| ·WFK-prototypes 算法 | 第58-60页 |
| ·算法复杂性分析 | 第60页 |
| ·实验结果分析 | 第60-69页 |
| ·小结 | 第69-71页 |
| 第5章 基于 KH 算法框架的模糊聚类算法 | 第71-81页 |
| ·引言 | 第71页 |
| ·传统的 KH 算法 | 第71-72页 |
| ·基于 KH 算法框架的模糊聚类算法 IKH | 第72-76页 |
| ·新的簇中心表示 | 第72-73页 |
| ·IKH 算法 | 第73-75页 |
| ·算法复杂性分析 | 第75-76页 |
| ·实验结果与分析 | 第76-80页 |
| ·小结 | 第80-81页 |
| 第6章 簇中心初始化方法研究 | 第81-93页 |
| ·引言 | 第81-82页 |
| ·传统的簇中心初始化方法 | 第82-84页 |
| ·针对数值数据的簇中心初始化方法 | 第82-83页 |
| ·针对分类数据的簇中心初始化方法 | 第83-84页 |
| ·基于密度和距离的簇中心初始化方法 DDCI | 第84-86页 |
| ·实验结果与分析 | 第86-92页 |
| ·小结 | 第92-93页 |
| 第7章 总结与展望 | 第93-95页 |
| ·总结 | 第93-94页 |
| ·展望 | 第94-95页 |
| 参考文献 | 第95-101页 |
| 作者简介及在学期间所取得的科研成果 | 第101-103页 |
| 致谢 | 第103页 |
