数据挖掘中聚类算法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·数据挖掘概述 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·数据挖掘的应用与发展趋势 | 第11-14页 |
| ·本文的内容及结构安排 | 第14-15页 |
| 第二章 聚类技术及其发展 | 第15-27页 |
| ·聚类分析概述 | 第15-16页 |
| ·聚类分析中的数据结构和数据类型 | 第16-18页 |
| ·聚类分析中的数据结构 | 第16-17页 |
| ·聚类分析中的数据类型 | 第17-18页 |
| ·传统聚类算法 | 第18-26页 |
| ·基于划分的聚类算法 | 第18-21页 |
| ·基于密度的聚类算法 | 第21-23页 |
| ·基于层次的聚类算法 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 改进的传统聚类算法 | 第27-31页 |
| ·层次聚类算法描述 | 第27-28页 |
| ·基于密度算法的层次聚类算法 | 第28-30页 |
| ·仿真实验结果比较与分析 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第四章 扩展聚类算法的应用 | 第31-38页 |
| ·模糊聚类算法发展概况 | 第31-33页 |
| ·模糊C均值聚类算法及其步骤 | 第33-34页 |
| ·自适应模糊C均值聚类算法 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 模糊聚类算法与传统聚类算法的结合应用 | 第38-42页 |
| ·基于密度的聚类算法介绍 | 第38-39页 |
| ·模糊聚类算法与密度聚类算法的结合应用 | 第39页 |
| ·仿真模拟实验 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第六章 结论与展望 | 第42-43页 |
| ·结论 | 第42页 |
| ·展望 | 第42-43页 |
| 参考文献 | 第43-48页 |
| 致谢 | 第48-49页 |
| 附录 (攻读硕士学位期间发表录用论文) | 第49页 |
