符号聚类新方法的研究及应用
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-10页 |
| ·研究背景 | 第8页 |
| ·研究现状 | 第8-9页 |
| ·研究意义与目标 | 第9页 |
| ·论文结构 | 第9-10页 |
| 第二章 符号聚类概述 | 第10-17页 |
| ·符号数据 | 第10页 |
| ·符号度量 | 第10-11页 |
| ·符号聚类中心的表示 | 第11-12页 |
| ·聚类方法 | 第12-15页 |
| ·C 均值 | 第12页 |
| ·模糊C 均值 | 第12-13页 |
| ·层次聚类 | 第13-15页 |
| ·评价准则 | 第15-17页 |
| ·CR 准则 | 第15页 |
| ·Davies-Bouldin 准则 | 第15-16页 |
| ·规范化Hubert’s Statistic | 第16页 |
| ·Dunn’s 准则 | 第16-17页 |
| 第三章 名词性数据聚类 | 第17-24页 |
| ·研究意义、现状及目标 | 第17页 |
| ·距离学习 | 第17-20页 |
| ·距离学习的重要性 | 第17-18页 |
| ·基于粒群优化的距离学习 | 第18-20页 |
| ·实验及分析 | 第20-23页 |
| ·实验一 | 第20-21页 |
| ·实验二 | 第21-22页 |
| ·实验三 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第四章 区间数据聚类 | 第24-30页 |
| ·研究的意义、现状及目标 | 第24页 |
| ·相互距离 | 第24-26页 |
| ·相似性传播聚类算法 | 第26-27页 |
| ·相似性传播聚类算法 | 第26-27页 |
| ·基于相互距离的相似性传播聚类算法 | 第27页 |
| ·实验及分析 | 第27-28页 |
| ·实验一 | 第27-28页 |
| ·实验二 | 第28页 |
| ·小结 | 第28-30页 |
| 第五章 混合数据聚类 | 第30-39页 |
| ·研究的意义、现状及目标 | 第30页 |
| ·混合数据的不相似性度量 | 第30-32页 |
| ·符号特征分量的不相似性度量 | 第30-31页 |
| ·模糊特征分量的不相似性度量 | 第31-32页 |
| ·混合数据的中心表示 | 第32-33页 |
| ·带特征权重的混合数据的模糊C 均值算法 | 第33-35页 |
| ·模糊隶属度 | 第33-34页 |
| ·事件隶属度 | 第34页 |
| ·模糊特征中心 | 第34-35页 |
| ·符号特征权重 | 第35页 |
| ·模糊特征权重 | 第35页 |
| ·实验及分析 | 第35-38页 |
| ·实验一 | 第35-36页 |
| ·实验二 | 第36-37页 |
| ·实验三 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第六章 总结与展望 | 第39-41页 |
| ·总结 | 第39页 |
| ·展望 | 第39-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第44页 |
