| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 主要工作 | 第10-11页 |
| 1.4 论文结构 | 第11-12页 |
| 第2章 相关理论和技术 | 第12-24页 |
| 2.1 分类数据聚类算法 | 第12-16页 |
| 2.1.1 K-mode算法 | 第12页 |
| 2.1.2 COOCAT算法 | 第12-13页 |
| 2.1.3 Fuzzy k-modes算法 | 第13页 |
| 2.1.4 Genetic fuzzy k-modes算法 | 第13页 |
| 2.1.5 NFKM算法 | 第13页 |
| 2.1.6 ROCAT算法 | 第13-16页 |
| 2.2 子空间聚类 | 第16-19页 |
| 2.2.1 高维数据的特点 | 第16-17页 |
| 2.2.2 属性约简 | 第17页 |
| 2.2.3 子空间聚类算法 | 第17-19页 |
| 2.3 信息熵与互信息 | 第19-21页 |
| 2.4 差异度 | 第21页 |
| 2.5 万有引力在数据分析当中的应用 | 第21-24页 |
| 2.5.1 万有引力定律 | 第21页 |
| 2.5.2 DGC模型 | 第21-22页 |
| 2.5.3 DGC+模型 | 第22-24页 |
| 第3章 基于互信息的分类数据子空间聚类算法 | 第24-34页 |
| 3.1 算法框架 | 第24-25页 |
| 3.2 随机取样 | 第25-27页 |
| 3.3 生成样本簇 | 第27页 |
| 3.4 生成簇的特征向量 | 第27页 |
| 3.5 相似度计算 | 第27-28页 |
| 3.6 算法分析 | 第28页 |
| 3.7 实验 | 第28-33页 |
| 3.7.1 实验环境 | 第28页 |
| 3.7.2 实验数据 | 第28-29页 |
| 3.7.3 实验方法 | 第29页 |
| 3.7.4 评价标准 | 第29页 |
| 3.7.5 实验结果 | 第29-33页 |
| 3.8 本章小节 | 第33-34页 |
| 第4章 基于凝聚力模型的分类数据子空间聚类算法 | 第34-44页 |
| 4.1 算法框架 | 第35-36页 |
| 4.2 产生候选子集 | 第36-37页 |
| 4.3 筛选最佳纯子簇 | 第37-38页 |
| 4.3.1 计算凝聚力 | 第37-38页 |
| 4.3.2 判定距离 | 第38页 |
| 4.4 分离最佳纯子簇 | 第38-39页 |
| 4.5 SCDCM算法流程 | 第39-40页 |
| 4.6 实验 | 第40-43页 |
| 4.6.1 实验环境 | 第40页 |
| 4.6.2 实验数据 | 第40页 |
| 4.6.3 评价标准 | 第40-41页 |
| 4.6.4 实验结果 | 第41-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44-45页 |
| 5.2 下一步工作 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-52页 |
| 攻读硕士学位期间公开发表的论文 | 第52页 |