基于信息熵的粗糙聚类算法的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景 | 第13-18页 |
| 1.1.1 聚类分析 | 第13页 |
| 1.1.2 聚类算法方法 | 第13-14页 |
| 1.1.3 数据类型 | 第14-16页 |
| 1.1.4 聚类的应用 | 第16-18页 |
| 1.2 研究现状及意义 | 第18-19页 |
| 1.3 本文框架 | 第19-21页 |
| 第二章 基础知识 | 第21-31页 |
| 2.1 分类数据聚类算法 | 第21-24页 |
| 2.2 信息熵 | 第24-25页 |
| 2.3 粗糙集理论 | 第25-27页 |
| 2.3.1 粗糙集理论的发展 | 第25-26页 |
| 2.3.2 粗糙集理论的概念 | 第26-27页 |
| 2.4 粒计算 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于信息熵的粗糙聚类算法 | 第31-45页 |
| 3.1 k-modes聚类算法 | 第31-33页 |
| 3.2 Ng’k-modes聚类算法 | 第33-34页 |
| 3.3 基于信息熵的相异度度量 | 第34-37页 |
| 3.3.1 基于信息熵的相异度度量 | 第34-36页 |
| 3.3.2 基于信息熵的粗糙聚类算法 | 第36-37页 |
| 3.4 实验部分 | 第37-43页 |
| 3.4.1 实验数据描述 | 第37-38页 |
| 3.4.2 评估指标 | 第38-40页 |
| 3.4.3 实验结果及分析 | 第40-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于信息熵的层次划分聚类算法 | 第45-55页 |
| 4.1 MMR算法 | 第45-46页 |
| 4.2 聚类与粒计算 | 第46页 |
| 4.3 基于信息熵的层次划分聚类算法 | 第46-52页 |
| 4.3.1 等价类划分思想 | 第46-47页 |
| 4.3.2 基于信息熵的层次划分聚类算法描述 | 第47-48页 |
| 4.3.3 算法步骤 | 第48-52页 |
| 4.4 实验分析 | 第52-54页 |
| 4.5 本文小结 | 第54-55页 |
| 第五章 结论与展望 | 第55-57页 |
| 5.1 本文小结 | 第55-56页 |
| 5.2 本文展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 作者简介 | 第63-64页 |
