| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 混合属性数据聚类研究现状 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 2 聚类分析的理论基础 | 第15-29页 |
| 2.1 数据及数学表示 | 第15-16页 |
| 2.1.1 数据集及数据类型 | 第15-16页 |
| 2.1.2 样本的数学表示 | 第16页 |
| 2.2 聚类相关概念 | 第16-19页 |
| 2.2.1 簇和中心 | 第17页 |
| 2.2.2 硬聚类和模糊聚类 | 第17-18页 |
| 2.2.3 聚类过程概述 | 第18-19页 |
| 2.3 相异性和距离 | 第19-22页 |
| 2.3.1 数值属性数据的相异性度量 | 第19-20页 |
| 2.3.2 分类属性数据的相异性度量 | 第20-21页 |
| 2.3.3 混合属性数据的相异性度量 | 第21-22页 |
| 2.4 聚类有效性 | 第22-24页 |
| 2.4.1 聚类准确率 | 第23页 |
| 2.4.2 划分相似度 | 第23-24页 |
| 2.5 典型的聚类算法 | 第24-28页 |
| 2.5.1 聚类算法的分类 | 第24-26页 |
| 2.5.2 K-prototypes算法 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 基于属性加权的模糊K-prototypes算法 | 第29-42页 |
| 3.1 引言 | 第29页 |
| 3.2 模糊K-prototypes算法 | 第29-31页 |
| 3.2.1 相关概念 | 第29-31页 |
| 3.2.2 算法流程 | 第31页 |
| 3.3 加权模糊K-prototypes算法 | 第31-36页 |
| 3.3.1 模糊质心与模糊隶属度 | 第32页 |
| 3.3.2 基于属性加权的相异性度量 | 第32-34页 |
| 3.3.3 AWFKP算法 | 第34-36页 |
| 3.4 实验 | 第36-41页 |
| 3.4.1 实验设定 | 第36-37页 |
| 3.4.2 结果及分析 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 基于遗传算法的K-prototypes算法 | 第42-55页 |
| 4.1 引言 | 第42页 |
| 4.2 遗传算法 | 第42-43页 |
| 4.3 基于GA的K-prototypes算法 | 第43-49页 |
| 4.3.1 编码方案 | 第43-44页 |
| 4.3.2 适应度函数 | 第44页 |
| 4.3.3 遗传算子 | 第44-48页 |
| 4.3.4 GAKP算法 | 第48-49页 |
| 4.4 实验 | 第49-54页 |
| 4.4.1 实验设定 | 第49-50页 |
| 4.4.2 结果及分析 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5 总结和展望 | 第55-57页 |
| 5.1 研究工作总结 | 第55-56页 |
| 5.2 进一步的工作 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第61-63页 |
| 学位论文数据集 | 第63页 |