一种新的分层聚类算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·数据挖掘概述 | 第11-12页 |
| ·聚类分析研究的方法 | 第12-14页 |
| ·本文研究的内容 | 第14-16页 |
| 第2章 聚类分析 | 第16-20页 |
| ·引言 | 第16页 |
| ·聚类算法的标准 | 第16-17页 |
| ·层次聚类方法比较 | 第17-20页 |
| ·BIRTCH算法 | 第17-18页 |
| ·CURE算法 | 第18页 |
| ·CHAMELEON算法 | 第18-20页 |
| 第3章 新的层次聚类算法 | 第20-35页 |
| ·现有层次方法普遍存在的问题 | 第20页 |
| ·新的分层聚类算法 | 第20-23页 |
| ·单位距离的思想 | 第20-21页 |
| ·孤立点优化的思想 | 第21-22页 |
| ·UD优化的思想 | 第22-23页 |
| ·UDBA算法实现的步骤 | 第23-25页 |
| ·UDBA算法的特点 | 第25页 |
| ·UDBA算法的优点 | 第25页 |
| ·UDBA算法的局限性 | 第25页 |
| ·UDBA算法的复杂度 | 第25-26页 |
| ·空间复杂度 | 第25页 |
| ·时间复杂度 | 第25-26页 |
| ·算法性能分析 | 第26页 |
| ·实验比较和结果分析 | 第26-35页 |
| 第4章 UDBA算法的改进和扩展 | 第35-42页 |
| ·UDBA算法的改进 | 第35-37页 |
| ·算法的复杂度的改进 | 第35-37页 |
| ·处理高维数据的能力的改进 | 第37页 |
| ·孤立点分析中UDBA算法的应用 | 第37-42页 |
| ·孤立点分析的概念 | 第38页 |
| ·孤立点分析的步骤 | 第38页 |
| ·孤立点的检测 | 第38-40页 |
| ·UDBA算法在孤立点分析中的扩展 | 第40页 |
| ·孤立点分析实验 | 第40-42页 |
| 第5章 边界代表点算法 | 第42-51页 |
| ·聚类描述 | 第42页 |
| ·代表点聚类描述算法 | 第42-44页 |
| ·单代表描述算法 | 第42-43页 |
| ·多代表点描述方法 | 第43-44页 |
| ·边界代表点算法 | 第44-46页 |
| ·算法的优缺点 | 第46-47页 |
| ·实验 | 第47-51页 |
| ·实验(一) | 第47-48页 |
| ·实验(二) | 第48-50页 |
| ·复杂形状边界判断演示 | 第50-51页 |
| 结论 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第58页 |
