| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第一章 绪论 | 第15-35页 |
| ·论文选题的背景与意义 | 第15-21页 |
| ·研究背景 | 第15-17页 |
| ·研究意义 | 第17-21页 |
| ·国内外研究现状 | 第21-29页 |
| ·聚类算法研究 | 第21-25页 |
| ·不确定性数据聚类算法 | 第25-29页 |
| ·论文的结构和主要内容 | 第29-33页 |
| ·论文的结构 | 第29-31页 |
| ·论文的主要内容 | 第31-33页 |
| ·论文的创新点 | 第33-35页 |
| 第二章 聚类算法相关研究 | 第35-57页 |
| ·聚类算法概述 | 第35-37页 |
| ·硬聚类算法 | 第37-41页 |
| ·交替优化聚类算法 | 第38-40页 |
| ·顺序聚类算法 | 第40-41页 |
| ·模糊聚类算法 | 第41-45页 |
| ·标准模糊聚类算法 | 第41-42页 |
| ·信息熵模糊聚类算法 | 第42-43页 |
| ·L1 -范式模糊聚类算法 | 第43-45页 |
| ·概率聚类算法 | 第45-47页 |
| ·标准概率聚类算法 | 第46页 |
| ·信息熵概率聚类算法 | 第46-47页 |
| ·基于向量量化的聚类算法 | 第47-48页 |
| ·模糊分配函数与直觉模糊集 | 第48-52页 |
| ·模糊分配函数 | 第48-49页 |
| ·直觉模糊集 | 第49-52页 |
| ·聚类算法有效性度量 | 第52-54页 |
| ·模糊协方差矩阵的行列式与迹 | 第52-53页 |
| ·Xie-Beni 指标 | 第53页 |
| ·Fukuyama-Sugeno 指标 | 第53-54页 |
| ·Davies-Bouldin 指标 | 第54页 |
| ·本章小结 | 第54-57页 |
| 第三章 基于不确定域的聚类算法 | 第57-81页 |
| ·基于不确定域的数据对象表达 | 第57-60页 |
| ·基于不确定域的硬C 均值聚类算法 | 第60-65页 |
| ·基于不确定域的交替优化聚类算法 | 第61-64页 |
| ·基于不确定域的顺序聚类算法 | 第64-65页 |
| ·基于不确定域的模糊C 均值算法 | 第65-69页 |
| ·基于不确定域的标准模糊聚类算法 | 第65-67页 |
| ·基于不确定域的信息熵模糊聚类算法 | 第67-69页 |
| ·算法有效性度量指标 | 第69-71页 |
| ·模糊协方差矩阵的行列式与迹 | 第69页 |
| ·Xie-Beni 指标 | 第69-70页 |
| ·Fukuyama-Sugeno 指标 | 第70页 |
| ·Davies-Bouldin 指标 | 第70-71页 |
| ·算法的收敛性 | 第71-74页 |
| ·算法测试实例一 | 第74-77页 |
| ·1 心脏病数据集 | 第74页 |
| ·测试结果分析 | 第74-77页 |
| ·算法测试实例二 | 第77-79页 |
| ·鸢尾花(IRIS)数据集 | 第77页 |
| ·测试结果分析 | 第77-79页 |
| ·本章小结 | 第79-81页 |
| 第四章 基于超矩形不确定域的聚类算法 | 第81-101页 |
| ·基于超矩形不确定数据的表达 | 第81-83页 |
| ·基于超矩形不确定域的硬C 均值聚类算法 | 第83-87页 |
| ·基于超矩形不确定域的交替优化聚类算法 | 第83-86页 |
| ·基于超矩形不确定域的顺序聚类算法 | 第86-87页 |
| ·基于超矩形不确定域的模糊C 均值算法 | 第87-92页 |
| ·基于超矩形不确定域的标准模糊C 均值算法 | 第87-90页 |
| ·基于超矩形不确定域的信息熵模糊C 均值算法 | 第90-92页 |
| ·基于超矩形不确定域的概率聚类算法 | 第92-94页 |
| ·基于超矩形不确定域的标准概率聚类算法 | 第92-93页 |
| ·基于超矩形不确定域的信息熵概率聚类算法 | 第93-94页 |
| ·算法测试实例一 | 第94-97页 |
| ·威斯康辛乳腺癌数据集 | 第94-95页 |
| ·实验结果分析 | 第95-97页 |
| ·算法测试实例二 | 第97-99页 |
| ·鸢尾花(IRIS)数据集 | 第97页 |
| ·测试结果分析 | 第97-99页 |
| ·本章小结 | 第99-101页 |
| 第五章 基于Lx正则化的超矩形不确定数据聚类算法 | 第101-123页 |
| ·基于Lx 正则化的超矩形不确定数据的表达 | 第101-104页 |
| ·基于L2 正则化的超矩形不确定域的模糊C 均值聚类算法 | 第104-106页 |
| ·基于L2 正则化的超矩形不确定域的标准模糊C 均值聚类算法 | 第104-105页 |
| ·基于L2 正则化的超矩形不确定域的信息熵模糊C 均值聚类算法 | 第105-106页 |
| ·基于L1 正则化的超矩形不确定域的模糊C 均值聚类算法 | 第106-111页 |
| ·基于L1 正则化的超矩形不确定域的标准模糊C 均值聚类算法 | 第106-109页 |
| ·基于L1 正则化的超矩形不确定域的信息熵模糊C 均值聚类算法 | 第109-111页 |
| ·算法的收敛性 | 第111-114页 |
| ·算法测试实例一 | 第114-119页 |
| ·威斯康辛乳腺癌数据集 | 第115页 |
| ·实验结果分析 | 第115-119页 |
| ·算法测试实例二 | 第119-121页 |
| ·鸢尾花(IRIS)数据集 | 第119页 |
| ·测试结果分析 | 第119-121页 |
| ·本章小结 | 第121-123页 |
| 第六章 基于直觉模糊集的不确定性数据聚类算法 | 第123-131页 |
| ·直觉模糊集的相似性度量 | 第123-125页 |
| ·基于直觉模糊集的模糊C 均值聚类算法 | 第125-128页 |
| ·基于直觉模糊集的标准模糊C 均值聚类算法 | 第125-127页 |
| ·基于直觉模糊集的信息熵模糊C 均值聚类算法 | 第127-128页 |
| ·算法测试实例一 | 第128-130页 |
| ·葡萄酒数据集 | 第128-129页 |
| ·实验结果分析 | 第129-130页 |
| ·本章小结 | 第130-131页 |
| 第七章 工作总结与展望 | 第131-135页 |
| ·工作总结 | 第131-132页 |
| ·下一步研究展望 | 第132-135页 |
| 参考文献 | 第135-143页 |
| 附录A 主要符号 | 第143-145页 |
| 攻读博士学位期间发表学术论文情况 | 第145-147页 |
| 致谢 | 第147页 |
