| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第2章 聚类分析方法综述 | 第14-25页 |
| 2.1 聚类分析方法概述 | 第14-20页 |
| 2.1.1 聚类分析的概念 | 第14-15页 |
| 2.1.2 相似度与距离的概念 | 第15-16页 |
| 2.1.3 聚类分析的数据模型 | 第16-18页 |
| 2.1.4 聚类分析的评价标准 | 第18-20页 |
| 2.2 重要的聚类分析算法 | 第20-24页 |
| 2.2.1 k 均值(k-means)算法 | 第20-21页 |
| 2.2.2 层次(Hierachical)算法 | 第21-22页 |
| 2.2.3 具有噪声的基于密度的聚类(DBSCAN)算法 | 第22页 |
| 2.2.4 马尔可夫聚类(MCL)算法 | 第22-23页 |
| 2.2.5 近邻传播聚类(AP)算法 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于点排序的相似度分割聚类算法 | 第25-32页 |
| 3.1 算法思想 | 第25-27页 |
| 3.2 算法概述 | 第27-31页 |
| 3.2.1 点排序 | 第27-28页 |
| 3.2.2 分割聚类 | 第28-31页 |
| 3.3 与已有方法的结合 | 第31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 实验数据及结果分析 | 第32-48页 |
| 4.1 实验使用的数据集和结果评价 | 第32-37页 |
| 4.1.1 三矩形数据集 | 第33页 |
| 4.1.2 基于高斯分布数据集 | 第33-34页 |
| 4.1.3 基于密度区分数据集 | 第34-35页 |
| 4.1.4 鸢尾花(Iris)数据集 | 第35页 |
| 4.1.5 酒类(Wine)数据集 | 第35-36页 |
| 4.1.6 乳腺癌(Wisconsin Diagnostic Breast Cancer)数据集 | 第36页 |
| 4.1.7 心脏病(SPECT Heart)数据集 | 第36-37页 |
| 4.1.8 实验使用的评价标准 | 第37页 |
| 4.2 简单的点排序方法 | 第37-38页 |
| 4.3 对层次聚类使用分割方法 | 第38-41页 |
| 4.4 结合点排序和分割聚类方法的层次聚类 | 第41-45页 |
| 4.5 结合点排序和分割聚类方法的 k 均值聚类 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 作者简介及在学期间所取得的科研成果 | 第53-54页 |
| 致谢 | 第54页 |
