案例数据挖掘中的聚类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-11页 |
| 第一章 绪论 | 第11-14页 |
| ·研究背景 | 第11-12页 |
| ·研究目的 | 第12页 |
| ·研究意义 | 第12-13页 |
| ·论文的主要内容与结构安排 | 第13-14页 |
| 第二章 数据挖掘相关概念 | 第14-21页 |
| ·数据挖掘定义 | 第14页 |
| ·数据挖掘功能 | 第14-17页 |
| ·概念描述:定性与对比 | 第15页 |
| ·关联分析 | 第15-16页 |
| ·偏差检测 | 第16页 |
| ·聚类分析 | 第16-17页 |
| ·数据挖掘方法与技术 | 第17-19页 |
| ·决策树方法 | 第17页 |
| ·遗传算法 | 第17-18页 |
| ·粗糙集方法 | 第18页 |
| ·关联规则方法 | 第18-19页 |
| ·数据挖掘的应用 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 案例表示与案例库的构造 | 第21-27页 |
| ·案例推理基本概念 | 第21页 |
| ·案例表示的基本概念 | 第21-23页 |
| ·关系数据库的案例表示法 | 第23-24页 |
| ·基于XML的案例表示法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 聚类分析相关概念 | 第27-38页 |
| ·聚类定义 | 第27页 |
| ·聚类的典型步骤 | 第27-28页 |
| ·聚类分析的数据结构与数据类型 | 第28-31页 |
| ·聚类分析数据结构 | 第28-29页 |
| ·聚类分析数据类型 | 第29-31页 |
| ·聚类方法的分类 | 第31-36页 |
| ·基于数据的聚类方法 | 第32-34页 |
| ·基于文本的聚类方法 | 第34-36页 |
| ·聚类的典型要求 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 基于几何光滑度的案例聚类方法 | 第38-46页 |
| ·问题的提出 | 第38页 |
| ·相关定义与概念 | 第38-41页 |
| ·共享最近邻(SNN)相似度 | 第39页 |
| ·基于SNN相似度的n阶光滑度的定义 | 第39-41页 |
| ·算法设计 | 第41-42页 |
| ·实验及结果分析 | 第42-45页 |
| ·测试数据集 | 第42-44页 |
| ·实验步骤 | 第44页 |
| ·实验结果及分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| ·本文工作总结 | 第46页 |
| ·未来工作的展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 发表论文及科研情况说明 | 第51页 |
