| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-23页 |
| ·数据挖掘的意义 | 第11-12页 |
| ·数据挖掘的发展 | 第12-15页 |
| ·国内外研究现状 | 第15-18页 |
| ·数据挖掘的步骤 | 第18-19页 |
| ·数据挖掘的任务 | 第19-21页 |
| ·聚类分析 | 第19页 |
| ·概念描述 | 第19页 |
| ·关联分析 | 第19-20页 |
| ·分类和预测 | 第20页 |
| ·时序模式分析 | 第20页 |
| ·孤立点分析 | 第20-21页 |
| ·论文内容和组织结构 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第2章 聚类算法 | 第23-31页 |
| ·聚类概述 | 第23页 |
| ·聚类问题的数学描述和最优化模型 | 第23-24页 |
| ·主要聚类算法 | 第24-29页 |
| ·划分方法(Partitioning method) | 第24-26页 |
| ·层次方法(Hierarchical method) | 第26-27页 |
| ·基于网格的方法(grid-based method) | 第27-28页 |
| ·基于模型的方法(Model-based method) | 第28页 |
| ·基于密度的方法(Density-based method) | 第28-29页 |
| ·聚类的要求 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 混合属性密度聚类算法 | 第31-50页 |
| ·常见密度算法 | 第31-36页 |
| ·聚类分析中的数据类型 | 第36-38页 |
| ·数值型变量 | 第36-37页 |
| ·二元变量 | 第37页 |
| ·类别型变量 | 第37页 |
| ·序数变量 | 第37-38页 |
| ·对象间相似性的定义 | 第38-40页 |
| ·解决混合类型数据的常见方法 | 第40-42页 |
| ·改进的混合属性密度聚类算法 | 第42-45页 |
| ·实验结果与分析 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 数据流聚类算法 | 第50-65页 |
| ·数据流 | 第50-52页 |
| ·数据流挖掘的相关研究 | 第52-54页 |
| ·数据流模型与数据流聚类模型 | 第54-55页 |
| ·混合属性对象相似度的概念 | 第55-56页 |
| ·数据流簇的演化 | 第56-57页 |
| ·在线聚类过程 | 第57-58页 |
| ·离线聚类过程 | 第58-59页 |
| ·仿真与分析 | 第59-63页 |
| ·实验环境与测试数据 | 第59-60页 |
| ·聚类纯度比较 | 第60-61页 |
| ·算法效率比较 | 第61-62页 |
| ·内存占用量比较 | 第62页 |
| ·演化分析 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 第5章 结论和展望 | 第65-67页 |
| ·本文主要研究成果 | 第65页 |
| ·论文展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间参加的科研项目和成果 | 第73页 |
