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 |