| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-11页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 国内外研究现状及发展动态分析 | 第7-10页 |
| 1.3 本文的研究工作及结构 | 第10-11页 |
| 2 不完备数据模糊C均值聚类算法 | 第11-23页 |
| 2.1 引言 | 第11页 |
| 2.2 模糊C均值算法 | 第11-17页 |
| 2.2.1 模糊集合及隶属度 | 第11-12页 |
| 2.2.2 模糊C均值算法 | 第12-13页 |
| 2.2.3 模糊C均值算法的改进 | 第13-17页 |
| 2.3 不完备数据聚类方法研究 | 第17-21页 |
| 2.3.1 数据缺失机制 | 第17-18页 |
| 2.3.2 经典不完备数据FCM算法 | 第18-21页 |
| 2.4 其他不完备数据聚类算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 缺失属性值概率模型的建立及描述 | 第23-30页 |
| 3.1 引言 | 第23-24页 |
| 3.2 最近邻规则 | 第24-26页 |
| 3.3 缺失属性值概率模型的提出 | 第26-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 基于缺失属性值概率模型的不完备数据聚类 | 第30-53页 |
| 4.1 引言 | 第30-31页 |
| 4.2 基于缺失属性值概率模型的不完备数据遗传算法聚类 | 第31-42页 |
| 4.2.1 PM-GA-FCM算法的设计 | 第31-35页 |
| 4.2.2 PM-GA-FCM算法基本流程 | 第35-36页 |
| 4.2.3 仿真实验 | 第36-41页 |
| 4.2.4 实验结果分析 | 第41-42页 |
| 4.3 基于缺失属性值概率模型的不完备数据梯度下降法聚类 | 第42-51页 |
| 4.3.1 PM-GD-FCM算法设计 | 第43-46页 |
| 4.3.2 PM-GD-FCM算法的流程 | 第46页 |
| 4.3.3 仿真实验 | 第46-50页 |
| 4.3.4 实验结果分析 | 第50-51页 |
| 4.4 PM-GD-FCM和PM-GA-FCM的比较 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 结论和展望 | 第53-55页 |
| 5.1 结论 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
