| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题研究的背景及意义 | 第8-9页 |
| ·国内外研究现状及趋势 | 第9-11页 |
| ·国内外研究现状 | 第9-10页 |
| ·国内外研究趋势 | 第10-11页 |
| ·本文主要工作 | 第11页 |
| ·本文组织结构 | 第11-13页 |
| 第二章 数据挖掘技术与聚类分析研究 | 第13-24页 |
| ·数据挖掘技术 | 第13-16页 |
| ·数据挖掘技术简介 | 第13页 |
| ·数据挖掘的流程及系统结构 | 第13-15页 |
| ·数据挖掘的主要任务 | 第15-16页 |
| ·聚类分析算法研究 | 第16-22页 |
| ·聚类分析的相关概念与基本步骤 | 第16-17页 |
| ·聚类分析的数据结构与数据类型 | 第17-18页 |
| ·聚类分析的相似度量和准则函数 | 第18-20页 |
| ·聚类分析方法 | 第20-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 K-means 聚类算法分析 | 第24-30页 |
| ·K-means 算法介绍 | 第24-27页 |
| ·K-means 算法基本原理 | 第24-25页 |
| ·K-means 算法基本步骤与流程 | 第25-26页 |
| ·K-means 算法聚类过程举例 | 第26-27页 |
| ·K-means 算法优缺点分析 | 第27-29页 |
| ·K-means 算法优点分析 | 第27-28页 |
| ·K-means 算法缺点分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 K-means 算法改进研究 | 第30-42页 |
| ·基于网格化的孤立点处理算法 | 第30-36页 |
| ·孤立点概述及现有检测方法 | 第30页 |
| ·网格化相关概念 | 第30-32页 |
| ·基于网格的孤立点检测算法基本原理 | 第32页 |
| ·数据网格化预处理算法步骤及流程 | 第32-34页 |
| ·实验结果及分析 | 第34-36页 |
| ·基于距离最大化的 k 值自动生成算法 | 第36-41页 |
| ·引言 | 第36-37页 |
| ·基于距离最大化的 k 值自动生成算法思想 | 第37页 |
| ·基于距离最大化的 k 值自动生成算法的步骤与流程 | 第37-39页 |
| ·算法仿真实验与结果分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 结束语 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 攻读硕士期间发表的学术论文和参加科研情况 | 第46-47页 |
| 致谢 | 第47页 |