| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 数据挖掘概述 | 第11-14页 |
| 1.2.1 发展背景 | 第11页 |
| 1.2.2 研究现状 | 第11-12页 |
| 1.2.3 数据挖掘与流形距离 | 第12-13页 |
| 1.2.4 数据挖掘与粗糙集 | 第13页 |
| 1.2.5 数据挖掘与蜂群算法 | 第13-14页 |
| 1.3 聚类算法研究现状 | 第14-15页 |
| 1.4 本文的主要工作 | 第15-16页 |
| 1.5 本文的组织结构 | 第16-17页 |
| 第二章 预备知识 | 第17-25页 |
| 2.1 聚类分析 | 第17-18页 |
| 2.1.1 基本定义 | 第17页 |
| 2.1.2 主要的聚类算法及比较 | 第17-18页 |
| 2.1.3 K-means聚类算法概述 | 第18页 |
| 2.2 流形距离 | 第18-20页 |
| 2.3 粗糙集 | 第20-22页 |
| 2.4 蜂群算法 | 第22-23页 |
| 2.5 粒计算 | 第23-24页 |
| 2.5.1 粒计算的概述 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于属性划分和流形距离的层次聚类算法 | 第25-36页 |
| 3.1 问题提出 | 第25-26页 |
| 3.2 基于属性划分和流形距离的层次聚类算法 | 第26-30页 |
| 3.2.1 流形距离的改进 | 第26-28页 |
| 3.2.2 准则函数 | 第28页 |
| 3.2.3 算法描述 | 第28-30页 |
| 3.3 实验仿真与结果分析 | 第30-34页 |
| 3.3.1 实验设计 | 第30-31页 |
| 3.3.2 实验结果 | 第31-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 基于改进流形距离的粗糙集k-means聚类算法 | 第36-44页 |
| 4.1 问题提出 | 第36-37页 |
| 4.2 基于改进流形距离的粗糙集k-means聚类算法 | 第37-38页 |
| 4.2.1 初始中心的确定 | 第37页 |
| 4.2.2 适应度函数 | 第37-38页 |
| 4.2.3 聚类中心 | 第38页 |
| 4.2.4 算法步骤 | 第38页 |
| 4.3 实验仿真与结果分析 | 第38-43页 |
| 4.3.1 实验设计 | 第38-39页 |
| 4.3.2 实验设计 | 第39-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 基于改进流形距离和人工蜂群的二阶段聚类算法 | 第44-57页 |
| 5.1 问题提出 | 第44页 |
| 5.2 改进的流形距离及局部密度 | 第44-45页 |
| 5.3 基于改进流形距离和人工蜂群的二阶段聚类算法 | 第45-50页 |
| 5.3.1 基于邻域选择的粗聚类 | 第45-47页 |
| 5.3.2 基于改进ABC算法的细聚类 | 第47-49页 |
| 5.3.3 改进ABC算法的细聚类 | 第49-50页 |
| 5.3.4 优化阶段 | 第50页 |
| 5.3.5 算法时间复杂度分析 | 第50页 |
| 5.4 实验仿真与结果分析 | 第50-56页 |
| 5.4.1 实验设计 | 第50-51页 |
| 5.4.2 实验结果分析 | 第51-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 结论与展望 | 第57-59页 |
| 6.1 结论 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 附录 （攻读硕士学位期间发表论文目录） | 第65-66页 |
| 详细摘要 | 第66-73页 |
