| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要研究内容和结构安排 | 第11-13页 |
| 2 聚类分析概述 | 第13-23页 |
| 2.1 聚类分析的基本概念 | 第13页 |
| 2.2 聚类分析中的相似性度量方法 | 第13-15页 |
| 2.3 聚类分析算法分类 | 第15-20页 |
| 2.3.1 基于划分的聚类算法（Partitioning Methods） | 第15-17页 |
| 2.3.2 基于层次的聚类算法（Hierarchical Methods） | 第17-18页 |
| 2.3.3 基于密度的聚类算法（Density-Based Methods） | 第18-19页 |
| 2.3.4 基于网格的聚类算法（Grid-Based Methods） | 第19-20页 |
| 2.3.5 基于模型的聚类算法（Model-Based Methods） | 第20页 |
| 2.4 聚类结果有效性评价 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 经典K-means算法的改进 | 第23-29页 |
| 3.1 引言 | 第23页 |
| 3.2 基于密度优化初始聚类中心的DPK-means算法 | 第23-25页 |
| 3.3 实验结果与分析 | 第25-27页 |
| 3.3.1 实验描述 | 第25页 |
| 3.3.2 实验结果与分析 | 第25-27页 |
| 3.4 本章小结 | 第27-29页 |
| 4 高维数据的聚类分析 | 第29-37页 |
| 4.1 高维数据的特点 | 第29页 |
| 4.1.1 稀疏性 | 第29页 |
| 4.1.2 维灾难效应 | 第29页 |
| 4.2 高维聚类算法分类 | 第29-36页 |
| 4.2.1 基于降维的聚类 | 第30-34页 |
| 4.2.2 子空间聚类 | 第34-36页 |
| 4.2.3 其它高维聚类算法 | 第36页 |
| 4.3 本章小结 | 第36-37页 |
| 5 DPK-means算法高维聚类实例分析 | 第37-49页 |
| 5.1 实验描述 | 第37-38页 |
| 5.2 数据预处理 | 第38页 |
| 5.3 数据集降维处理 | 第38-39页 |
| 5.4 DPK-means聚类结果分析 | 第39-47页 |
| 5.4.1 UCI数据集实验结果分析 | 第39-45页 |
| 5.4.2 真实数据集实验结果分析 | 第45-47页 |
| 5.5 本章小结 | 第47-49页 |
| 6 总结与展望 | 第49-51页 |
| 攻读学位期间参加的科研项目及发表的学术论文 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-57页 |
