首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

数据挖掘聚类算法在服装业的应用

摘要第5-6页
Abstract第6-7页
第1章 绪论第12-17页
    1.1 研究背景与意义第12-14页
    1.2 国内外研究现状第14-15页
    1.3 课题来源第15页
    1.4 本文研究内容第15页
    1.5 论文结构第15-17页
第2章 数据挖掘中的聚类分析第17-25页
    2.1 数据挖掘概述第17-20页
    2.2 聚类分析第20-24页
        2.2.1 聚类分析的种类与应用第20-23页
        2.2.2 主要的聚类算法第23-24页
    2.3 本章小结第24-25页
第3章 高维数据聚类算法分析第25-30页
    3.1 高维数据聚类的特点第25-26页
    3.2 当前的高维聚类方法第26-28页
    3.3 面临的问题及解决方案第28-29页
    3.4 本章小结第29-30页
第4章 算法改进一混合聚类法第30-52页
    4.1 混合聚类法的理论基础第30-35页
        4.1.1 K均值聚类第30-32页
        4.1.2 主成分分析法和主成分第32-34页
        4.1.3 误差平方和第34-35页
    4.2 混合聚类算法的设计第35-38页
        4.2.1 算法思路第35-36页
        4.2.2 算法步骤及伪代码第36-38页
    4.3 混合聚类算法的实现第38-42页
        4.3.1 算法实现中的主要函数第38-39页
        4.3.2 各阶段核心步骤实现第39-42页
    4.4 混合聚类法的实验验证第42-47页
        4.4.1 混合聚类算法的验证方法第42页
        4.4.2 混合聚类的实验过程第42-47页
    4.5 混合聚类算法的实验结果第47-49页
    4.6 混合聚类算法的结果评价第49-51页
    4.7 本章小结第51-52页
第5章 数据挖掘技术在服装业的应用第52-59页
    5.1 数据挖掘技术在服装业应用的应用第52-53页
    5.2 混合的高维聚类算法在服装业的应用第53-58页
        5.2.1 对投产规格号型的确定第54-55页
        5.2.2 对客户需求和目标市场的识别第55-56页
        5.2.3 对服装舒适度的判断第56-58页
    5.3 本章小结第58-59页
结论第59-61页
参考文献第61-65页
致谢第65-66页
附录A 算法源码第66-70页

论文共70页,点击 下载论文
上一篇:基于信息熵的金融时间序列时序关联规则分析与研究
下一篇:供应商评价中的数据挖掘及其应用