| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-18页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 聚类分析的研究现状 | 第7-13页 |
| 1.3 不完备数据处理研究现状 | 第13-16页 |
| 1.4 研究工作及文章结构 | 第16-18页 |
| 2 不完备数据集的模糊c均值聚类 | 第18-26页 |
| 2.1 模糊c均值算法 | 第18-20页 |
| 2.2 经典不完备数据处理策略 | 第20-22页 |
| 2.2.1 基于完备数据策略的不完备数据FCM算法 | 第20页 |
| 2.2.2 基于局部距离策略的不完备数据FCM算法 | 第20-21页 |
| 2.2.3 基于优化完整策略的不完备数据FCM算法 | 第21-22页 |
| 2.2.4 基于最近原型策略的不完备数据FCM算法 | 第22页 |
| 2.3 不完备数据模糊c均值算法的不足之处 | 第22-24页 |
| 2.4 其他不完备数据聚类方法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 不完备数据集基于一致性的边缘数据重聚类算法 | 第26-41页 |
| 3.1 引言 | 第26-28页 |
| 3.2 边缘数据聚类方法 | 第28-33页 |
| 3.2.1 样本间的一致性 | 第28-31页 |
| 3.2.2 基于一致性的边缘数据重划分方法 | 第31-32页 |
| 3.2.3 基于一致性的不完备数据集边缘数据重划分方法 | 第32-33页 |
| 3.3 仿真实验 | 第33-40页 |
| 3.3.1 实验数据 | 第33-36页 |
| 3.3.2 实验结果 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于缺失属性值一致性伪近邻区间的不完备数据聚类方法 | 第41-57页 |
| 4.1 近邻原则 | 第42-44页 |
| 4.2 基于一致性伪近邻的缺失属性值区间描述 | 第44-47页 |
| 4.2.1 基于一致性的不完备样本伪相似性度量 | 第44-45页 |
| 4.2.2 缺失属性值的一致性伪近邻区间描述 | 第45-47页 |
| 4.3 基于缺失属性值一致性伪近邻区间的不完备数据FCM算法 | 第47-50页 |
| 4.3.1 算法描述 | 第47-48页 |
| 4.3.2 仿真实验 | 第48-49页 |
| 4.3.3 实验结果 | 第49-50页 |
| 4.4 基于样本加权的PIC-FCM算法 | 第50-56页 |
| 4.4.1 样本加权模糊聚类方法 | 第51-52页 |
| 4.4.2 样本权值的计算 | 第52-53页 |
| 4.4.3 基于样本加权的PIC-FCM改进算法 | 第53-54页 |
| 4.4.4 仿真实验 | 第54-55页 |
| 4.4.5 实验数据和结果 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-69页 |
