基于粗糙集理论的聚类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| 1 研究背景与意义 | 第9-11页 |
| 2 国内外研究现状 | 第11-13页 |
| 3 论文的研究内容与组织结构 | 第13-15页 |
| 第二章 基础理论知识 | 第15-28页 |
| 1 聚类分析 | 第15-19页 |
| ·数据类型 | 第15-16页 |
| ·相似性度量 | 第16-17页 |
| ·聚类分析中的主要算法 | 第17-19页 |
| ·聚类分析的应用领域 | 第19页 |
| 2 经典粗糙集理论 | 第19-27页 |
| ·粗糙集理论的基本概念 | 第20-23页 |
| ·不确定性的数字特征 | 第23-24页 |
| ·约简 | 第24-26页 |
| ·相似粗糙集模型 | 第26-27页 |
| 3 小结 | 第27-28页 |
| 第三章 关于符号属性的粗糙聚类算法 | 第28-42页 |
| 1 引言 | 第28-29页 |
| 2 属性重要性度量 | 第29页 |
| 3 加权粗糙聚类算法 | 第29-34页 |
| ·加权相似度量 | 第30-31页 |
| ·构造决策类 | 第31-32页 |
| ·基于同可区分度的属性权值的计算 | 第32-33页 |
| ·基于新的相似度量的加权粗糙聚类算法步骤 | 第33-34页 |
| 4 实验结果与分析 | 第34-41页 |
| ·实验环境 | 第34页 |
| ·测试数据集 | 第34-36页 |
| ·评价指标 | 第36-37页 |
| ·阈值thP对聚类结果的影响 | 第37-39页 |
| ·对象输入顺序对聚类结果的影响 | 第39-40页 |
| ·与现有算法的比较 | 第40-41页 |
| 5 小结 | 第41-42页 |
| 第四章 基于近似约简的高维数据聚类 | 第42-50页 |
| 1 引言 | 第42-44页 |
| 2 主成分分析 | 第44页 |
| 3 基于相似关系的粗糙集近似约简算法 | 第44-48页 |
| ·相似关系下不可区分度和属性重要性 | 第45-46页 |
| ·相似关系下近似约简算法 | 第46-48页 |
| 4 实验分析 | 第48-49页 |
| ·实验环境 | 第48页 |
| ·实验结果 | 第48-49页 |
| 5 小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 1 总结 | 第50-51页 |
| 2 展望 | 第51-52页 |
| 参考文献 | 第52-59页 |
| 致谢 | 第59-60页 |
| 个人简介 | 第60页 |
