| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10页 |
| ·本文研究的内容及结构 | 第10-12页 |
| ·本文研究的内容 | 第10-11页 |
| ·本文结构 | 第11-12页 |
| 第二章 数据挖掘以及聚类算法概述 | 第12-21页 |
| ·数据挖掘概述 | 第12-13页 |
| ·数据挖掘方法 | 第13-14页 |
| ·聚类算法概述 | 第14-17页 |
| ·聚类算法的基本概念 | 第14-15页 |
| ·聚类算法的定义 | 第15-16页 |
| ·聚类的相似性度量 | 第16-17页 |
| ·聚类分析的主要算法 | 第17-21页 |
| ·划分方法（Partitioning Method） | 第17页 |
| ·层次方法（Hierarchical Method） | 第17-18页 |
| ·基于密度的方法（Density-based Method） | 第18-19页 |
| ·基于网格的方法（Grid-based Method） | 第19页 |
| ·基于模型的方法（Model-based Method） | 第19页 |
| ·其他聚类方法 | 第19-21页 |
| 第三章 优化算法以及蚁群算法 | 第21-26页 |
| ·优化算法概述 | 第21页 |
| ·蚁群算法概述 | 第21-22页 |
| ·基于蚁群觅食原理的蚁群算法 | 第22页 |
| ·基于蚁堆形成原理的蚁群算法 | 第22-26页 |
| ·蚁堆算法概念 | 第22-24页 |
| ·蚁堆算法的流程 | 第24-26页 |
| 第四章 蚁群算法和基于划分的DBSCAN 算法结合 | 第26-38页 |
| ·DBSCAN（A density-based）聚类算法 | 第26-27页 |
| ·基于划分的 DBSCAN 算法 PDBSCAN （ Partitioning-based DNSCAN algorithm） | 第27-29页 |
| ·合并聚类结果 | 第27-28页 |
| ·将噪声点合并到簇 | 第28页 |
| ·合并噪声点 | 第28-29页 |
| ·PDBSCAN 聚类算法的缺点 | 第29-30页 |
| ·结合蚁群算法的基于密度划分 DBSCAN 聚类算法 | 第30-32页 |
| ·基于点密度的划分方法 | 第30页 |
| ·基于改进的蚁群算法的划分方法 | 第30-31页 |
| ·结合蚁群算法的基于密度划分 DBSCAN 聚类算法（PACA- DBSCAN) | 第31-32页 |
| ·试验结果及分析 | 第32-38页 |
| ·数据集 | 第32-33页 |
| ·实验结果 | 第33-38页 |
| 第五章 结束语 | 第38-39页 |
| 参考文献 | 第39-42页 |
| 致谢 | 第42-43页 |
| 在学期间公开发表著作和论文情况 | 第43页 |
