| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文的主要内容及组织结构 | 第13-15页 |
| ·主要内容 | 第13-14页 |
| ·本文的结构 | 第14-15页 |
| 第二章 数据挖掘 | 第15-23页 |
| ·数据挖掘的概念 | 第15-17页 |
| ·数据挖掘的定义 | 第15页 |
| ·数据挖掘的组成 | 第15-17页 |
| ·数据挖掘系统的分类 | 第17-18页 |
| ·数据挖掘的功能 | 第18-19页 |
| ·数据挖掘的过程 | 第19-21页 |
| ·数据挖掘的常用技术 | 第21-23页 |
| 第三章 聚类分析 | 第23-47页 |
| ·聚类分析概述 | 第23页 |
| ·聚类的一般步骤 | 第23-24页 |
| ·聚类分析中的数据类型 | 第24-31页 |
| ·区间标度变量 | 第25-27页 |
| ·二元变量 | 第27-29页 |
| ·标称型、序数型和比例标度型变量 | 第29-30页 |
| ·混合类型的变量 | 第30-31页 |
| ·聚类分析的应用 | 第31-32页 |
| ·聚类分析的主要算法 | 第32-39页 |
| ·数据挖掘对聚类的典型要求 | 第32-33页 |
| ·聚类算法的分类 | 第33-35页 |
| ·聚类分析算法的分析比较 | 第35-39页 |
| ·聚类分析的常用工具 | 第39-47页 |
| ·用SPSS Clementine 做聚类分析 | 第40-43页 |
| ·用DBMiner 做聚类分析 | 第43-45页 |
| ·结论 | 第45-47页 |
| 第四章 基于数据分区的最近邻优先聚类算法 | 第47-55页 |
| ·最近邻优先吸收(NNAF)算法 | 第47-50页 |
| ·基于数据分区的最近邻优先聚类算法——PNNAF 算法 | 第50-54页 |
| ·数据分区 | 第50-51页 |
| ·局部聚类 | 第51页 |
| ·局部聚类的合并 | 第51-52页 |
| ·PNNAF 算法实现 | 第52-53页 |
| ·算法分析 | 第53-54页 |
| ·实验结果 | 第54页 |
| ·结论 | 第54-55页 |
| 第五章 结束语 | 第55-57页 |
| ·本文的主要工作 | 第55-56页 |
| ·今后的研究计划 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间参与的项目 | 第63页 |
| 攻读学位期间发表或录用的论文 | 第63页 |