基于层次的模糊聚类算法
| 第一章 引言 | 第1-12页 |
| ·数据挖掘简介 | 第6-7页 |
| ·数据挖掘的方法及工具 | 第7-8页 |
| ·聚类分析 | 第8页 |
| ·模糊集基础 | 第8-9页 |
| ·模糊聚类分析 | 第9-10页 |
| ·本文的主要研究成果及内容 | 第10-12页 |
| 第二章 聚类分析及模糊聚类方法 | 第12-29页 |
| ·聚类分析中的数据类型 | 第12-16页 |
| ·主要聚类方法的分类 | 第16-17页 |
| ·聚类方法的要求 | 第17-18页 |
| ·等价闭包法 | 第18页 |
| ·最大树方法 | 第18-19页 |
| ·基于划分的模糊聚类方法 | 第19-26页 |
| ·引入隶属度函数的权重指数 | 第20-25页 |
| ·引入熵的目标函数 | 第25-26页 |
| ·聚类有效性 | 第26-29页 |
| ·只涉及隶属度值的有效性指标 | 第26-27页 |
| ·涉及隶属度和数据集的有效性指标 | 第27-29页 |
| 第三章 基于层次的模糊聚类算法的研究 | 第29-45页 |
| ·问题的提出 | 第29页 |
| ·密集簇中心二次模糊聚类算法SFCC | 第29-34页 |
| ·基于内存数据集的SFCC算法 | 第30-33页 |
| ·SFCC算法在大型数据集上的延伸 | 第33-34页 |
| ·基于动态模型的模糊聚类算法DMFC | 第34-41页 |
| ·构造k-最近邻居图 | 第35-36页 |
| ·划分图 | 第36-37页 |
| ·分析密集簇的类型 | 第37页 |
| ·密集簇的分层模糊聚类 | 第37-40页 |
| ·DMFC算法性能分析 | 第40-41页 |
| ·基于层次模糊聚类过程的模块化 | 第41-45页 |
| ·模糊聚类过程模块化 | 第41-42页 |
| ·模块的实现和工作过程 | 第42-44页 |
| ·模块中可能的优化 | 第44-45页 |
| 第四章 模糊聚类分析系统 | 第45-53页 |
| ·MATLAB引擎 | 第45-46页 |
| ·属性相关分析 | 第46页 |
| ·SFCC算法的实现 | 第46-49页 |
| ·DMFC算法的实现 | 第49-51页 |
| ·模糊聚类分析系统工作流程 | 第51-53页 |
| 第五章 实验分析验证 | 第53-61页 |
| ·SFCC算法实验验证 | 第53-57页 |
| ·DMFC算法实验验证 | 第57-59页 |
| ·模块化分析 | 第59-61页 |
| 第六章 结论与展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 学位论文独创性声明 | 第67页 |
| 学位论文知识产权权属声明 | 第67-68页 |
