| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.3 本文的主要研究内容和组织结构 | 第11-14页 |
| 第二章 聚类分析的基本理论 | 第14-22页 |
| 2.1 聚类分析的定义 | 第14页 |
| 2.2 聚类分析的数据结构与数据样本间的相似性属性 | 第14-18页 |
| 2.2.1 数据结构 | 第14-15页 |
| 2.2.2 数据样本间的相似性属性 | 第15-18页 |
| 2.3 聚类分析中的聚类准则函数 | 第18-20页 |
| 2.3.1 误差平方和准则函数 | 第18-19页 |
| 2.3.2 加权平均平方距离和准则 | 第19页 |
| 2.3.3 类间距离和准则 | 第19-20页 |
| 2.4 模糊聚类 | 第20-21页 |
| 2.4.1 模糊理论基础 | 第20页 |
| 2.4.2 模糊集的定义 | 第20-21页 |
| 2.4.3 模糊聚类的定义 | 第21页 |
| 2.4.4 模糊聚类算法的分类 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 模糊C-均值算法及实现 | 第22-34页 |
| 3.1 模糊C-均值算法 | 第22-26页 |
| 3.1.1 数据集的C划分 | 第22-23页 |
| 3.1.2 C-均值聚类算法 | 第23-24页 |
| 3.1.3 模糊C均值聚类算法（FCM） | 第24页 |
| 3.1.4 基于FCM目标函数的求解过程 | 第24-25页 |
| 3.1.5 模糊核聚类算法（KFCM） | 第25页 |
| 3.1.6 基于KFCM目标函数的求解过程 | 第25-26页 |
| 3.2 加权模糊核聚类算法β-KFCM | 第26-29页 |
| 3.2.1 β系数 | 第26-28页 |
| 3.2.2 风险加权模糊核聚类算法(β-KFCM) | 第28页 |
| 3.2.3 基于β-KFCM目标函数的求解过程 | 第28-29页 |
| 3.3 粗糙模糊C-均值算法 | 第29-32页 |
| 3.3.1 粗糙集理论的概述 | 第29-30页 |
| 3.3.2 粗糙集的上近似和下近似 | 第30页 |
| 3.3.3 粗糙C-均值算法 | 第30-31页 |
| 3.3.4 一种简化的粗糙模糊C-均值算法 | 第31-32页 |
| 3.3.5 粗糙模糊C-均值算法(RFCM) | 第32页 |
| 3.4 本章小结 | 第32-34页 |
| 第四章 实证分析 | 第34-39页 |
| 4.1 样本数据选取 | 第34页 |
| 4.2 指标选取 | 第34页 |
| 4.3 数据聚类过程 | 第34-38页 |
| 4.4 模糊聚类结果分析 | 第38-39页 |
| 4.5 本章小结 | 第39页 |
| 结论 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 发表文章目录 | 第43-44页 |
| 致谢 | 第44-45页 |