| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 基于划分的聚类算法研究现状 | 第11-12页 |
| 1.2.2 基于划分的聚类算法存在的问题 | 第12页 |
| 1.2.3 聚类评价有效性指标的研究现状 | 第12-13页 |
| 1.2.4 聚类有效性指标存在的问题 | 第13页 |
| 1.3 本文研究内容及组织 | 第13-16页 |
| 第二章 划分式聚类算法研究 | 第16-24页 |
| 2.1 聚类算法基础 | 第16-20页 |
| 2.1.1 聚类算法的定义 | 第16页 |
| 2.1.2 聚类算法的要求 | 第16-17页 |
| 2.1.3 聚类算法中的相似性和相异性度量 | 第17-19页 |
| 2.1.4 聚类算法中簇的类型 | 第19-20页 |
| 2.2 基于划分式的聚类算法 | 第20-22页 |
| 2.2.1 聚类算法的分类 | 第20-21页 |
| 2.2.2 基于划分聚类算法介绍 | 第21-22页 |
| 2.2.3 基于划分聚类算法常见的问题 | 第22页 |
| 2.2.4 基于划分聚类算法的应用 | 第22页 |
| 2.3 聚类有效性评价指标 | 第22-23页 |
| 2.3.1 聚类有效性指标的定义 | 第22-23页 |
| 2.3.2 聚类有效性评价的介绍和分类 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于最小方差优化的K-means算法 | 第24-36页 |
| 3.1 传统K-MEANS算法介绍和研究现状 | 第24-25页 |
| 3.2 基于最小方差优化的K-MEANS算法 | 第25-28页 |
| 3.2.1 算法原理 | 第25-26页 |
| 3.2.2 算法的相关基本概念 | 第26-27页 |
| 3.2.3 算法实现的步骤 | 第27-28页 |
| 3.3 仿真实验结果与分析 | 第28-34页 |
| 3.3.1 UCI数据集实验结果与分析 | 第30-32页 |
| 3.3.2 人工模拟数据集实验结果与分析 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 基于最小方差优化的K-medoids算法 | 第36-46页 |
| 4.1 传统K-MEDOIDS算法的介绍和研究现状 | 第36-37页 |
| 4.1.1 PAM算法与Park算法的基本思想 | 第36页 |
| 4.1.2 算法研究现状 | 第36-37页 |
| 4.2 基于最小方差优化的K-MEDOIDS算法 | 第37-38页 |
| 4.2.1 基本思想 | 第37页 |
| 4.2.2 相关概念定义 | 第37-38页 |
| 4.2.3 算法描述 | 第38页 |
| 4.3 仿真实验结果与分析 | 第38-43页 |
| 4.3.1 UCI数据集实验结果与分析 | 第39-40页 |
| 4.3.2 人工模拟数据集实验结果与分析 | 第40-43页 |
| 4.4 本章小结 | 第43-46页 |
| 第五章 聚类分析有效性研究 | 第46-58页 |
| 5.1 现有聚类有效性评价指标介绍 | 第46-48页 |
| 5.1.1 聚类有效性评价指标内部指标 | 第46-48页 |
| 5.2 内部有效性指标实验结果分析 | 第48-51页 |
| 5.2.1 数据集的描述 | 第48-50页 |
| 5.2.2 UCI实验结果分析 | 第50-51页 |
| 5.2.3 人工模拟数据集结果分析 | 第51页 |
| 5.3 聚类有效性评价外部指标介绍 | 第51-53页 |
| 5.4 新有效性评价指标的提出 | 第53-54页 |
| 5.4.1 外部有效性评价新指标的提出 | 第53页 |
| 5.4.2 基于聚类样本对提出新聚类有效性评价准则 | 第53-54页 |
| 5.5 新外部有效性评价指标实验结果与分析 | 第54-55页 |
| 5.6 本章小结 | 第55-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间的研究成果 | 第68页 |