| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 主要研究内容 | 第10页 |
| 1.4 论文结构 | 第10-12页 |
| 第二章 聚类算法概述 | 第12-20页 |
| 2.1 数据挖掘技术简介 | 第12-13页 |
| 2.2 聚类算法分类 | 第13-14页 |
| 1. 划分法 | 第13页 |
| 2. 层次法 | 第13-14页 |
| 3. 基于密度的方法 | 第14页 |
| 4. 基于网格的方法 | 第14页 |
| 5. 基于模型的方法 | 第14页 |
| 2.3 常用的聚类算法 | 第14-17页 |
| 1. K-MEANS算法 | 第14-15页 |
| 2. BIRCH算法 | 第15页 |
| 3. DBSCAN算法 | 第15-16页 |
| 4. CLIQUE算法 | 第16页 |
| 5. 自组织映射(SOM)算法 | 第16-17页 |
| 2.4 生物数据库的介绍 | 第17-18页 |
| 1. DDBJ | 第17页 |
| 2. GenBank | 第17页 |
| 3. EMBL | 第17-18页 |
| 2.5 生物数据格式FASTA | 第18-19页 |
| 2.6 本章小结 | 第19-20页 |
| 第三章 聚类算法的设计与实现 | 第20-35页 |
| 3.1 K-MEANS聚类算法 | 第20-25页 |
| 3.1.1 设计思想 | 第20-22页 |
| 3.1.2 实现方法 | 第22-25页 |
| 3.2 改进的初始聚类中心优化K-MEANS聚类算法 | 第25-29页 |
| 3.2.1 设计思想 | 第25-27页 |
| 3.2.2 实现方法 | 第27-29页 |
| 3.3 增强型的自组织映射(SOM)聚类算法 | 第29-34页 |
| 3.3.1 自组织映射(SOM)聚类 | 第29页 |
| 3.3.2 Silhouette指数 | 第29-30页 |
| 3.3.3 设计思想 | 第30-31页 |
| 3.3.4 实现方法 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 聚类结果分析 | 第35-46页 |
| 4.1 开发环境 | 第35页 |
| 4.2 实验数据与来源 | 第35-36页 |
| 4.3 实验结果及分析 | 第36-45页 |
| 4.3.1 K-MEANS算法结果及分析 | 第36-40页 |
| 4.3.2 自组织映射(SOM)算法结果及分析 | 第40-44页 |
| 4.3.3 K-MEANS算法与自组织映射(SOM)算法对比分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-49页 |
| 5.1 总结 | 第46-47页 |
| 5.2 相关研究工作的展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |