| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题背景 | 第9页 |
| ·课题研究目的与意义 | 第9-11页 |
| ·国内外现状 | 第11-13页 |
| ·本章小结与论文组织结构 | 第13-15页 |
| 第二章 聚类分析技术简介 | 第15-29页 |
| ·聚类分析算法基本概念 | 第15-20页 |
| ·聚类定义 | 第15页 |
| ·聚类分析中的数据类型与数据表示 | 第15-17页 |
| ·聚类分析中的度量方法 | 第17-19页 |
| ·聚类分析的主要应用 | 第19-20页 |
| ·聚类算法介绍 | 第20-23页 |
| ·K-means聚类算法 | 第23-28页 |
| ·算法介绍 | 第23-24页 |
| ·算法优缺点分析及改进 | 第24-26页 |
| ·算法对初始中心值敏感性分析及改进 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 半监督学习、Leader方法和佳点集理论 | 第29-32页 |
| ·半监督(Semi-Supervised)学习 | 第29页 |
| ·Leader方法 | 第29-30页 |
| ·佳点集及其基本定义 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 半监督与Leader结合的改进K-means算法 | 第32-39页 |
| ·S_SLK算法 | 第32-35页 |
| ·算法思想由来 | 第32页 |
| ·算法描述 | 第32-35页 |
| ·实验及其结果 | 第35-38页 |
| ·实验一 | 第35-36页 |
| ·实验二 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于佳点集和Leader的改进K-means聚类方法 | 第39-48页 |
| ·KLG算法和KGL算法 | 第39-42页 |
| ·算法描述 | 第39-41页 |
| ·实验 | 第41-42页 |
| ·KLG、KGL算法与相关算法比较 | 第42-44页 |
| ·与传统算法比较 | 第42-43页 |
| ·与文献中算法比较 | 第43-44页 |
| ·KLG、KGL算法与KL和KG算法比较 | 第44-45页 |
| ·KLG和KGL算法比较 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第六章 总结与展望 | 第48-50页 |
| ·结论 | 第48-49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 附录A 图索引 | 第55页 |
| Appendix A Figure Index | 第55-56页 |
| 附录B 表索引 | 第56页 |
| Appendix B Table Index | 第56-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间参与的科研项目及发表的学术论文 | 第58页 |