相异度量的k-modes聚类算法研究

摘要	第1-5页
ABSTRACT	第5-10页
第一章 绪论	第10-16页
·算法研究背景和意义	第10-11页
·基于划分的聚类方法研究现状	第11-13页
·分类属性的研究现状	第13-15页
·论文结构	第15-16页
第二章 聚类分析	第16-32页
·聚类分析概述	第16-18页
·传统聚类分析方法分类	第18-26页
·基于划分的聚类方法	第18-20页
·基于层次的聚类方法	第20-22页
·基于密度的聚类方法	第22-23页
·其他的聚类分析方法	第23-26页
·聚类分析中的数据结构	第26-27页
·聚类分析的相异度度量	第27-29页
·聚类数据的标准化	第27-28页
·聚类分析中的相异度度量	第28-29页
·聚类分析中的聚类准则函数	第29-30页
·本章小结	第30-32页
第三章 k-modes聚类算法分析	第32-40页
·k-modes聚类算法介绍	第32-35页
·k-modes聚类算法思想	第32页
·k-modes聚类算法的相异度量函数	第32-33页
·k-modes聚类算法的基本流程	第33-35页
·传统k-modes算法的优缺点	第35-36页
·现有k-modes算法的改进	第36-38页
·现有基于k-modes算法的扩展算法	第36-37页
·现有基于相异度度量改进的k-modes算法	第37-38页
·本章小结	第38-40页
第四章 改进的k-modes聚类算法	第40-54页
·一种新的相异度量方法	第40-42页
·改进的相异度量k-modes聚类算法	第42-46页
·改进后的算法思想	第42-43页
·改进后的聚类准则函数	第43-44页
·改进后的算法流程	第44-46页
·实验及实验结果分析	第46-53页
·实验环境和测试数据集	第46-47页
·数据预处理	第47页
·评价方法	第47-48页
·实验结果分析	第48-53页
·本章小结	第53-54页
第五章 总结与展望	第54-56页
·总结	第54-55页
·展望	第55-56页
参考文献	第56-60页
致谢	第60-62页
攻读硕士学位期间发表的学术论文目录	第62页