| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究的意义 | 第9-10页 |
| 1.2 国内外研究概况 | 第10-11页 |
| 1.2.1 国外研究概况 | 第10-11页 |
| 1.2.2 国内研究概况 | 第11页 |
| 1.3 本文的思路和结构安排 | 第11-13页 |
| 第2章 相关理论与技术 | 第13-27页 |
| 2.1 缺失数据 | 第13-15页 |
| 2.1.1 缺失数据的概念 | 第13页 |
| 2.1.2 缺失数据的产生原因 | 第13-14页 |
| 2.1.3 缺失数据的分类机制 | 第14-15页 |
| 2.2 当前的缺失数据填补方法 | 第15-26页 |
| 2.2.1 均值填补法 | 第15页 |
| 2.2.2 回归填补法 | 第15页 |
| 2.2.3 K最近邻节点算法(KNN) | 第15-16页 |
| 2.2.4 K-means聚类算法 | 第16-21页 |
| 2.2.5 关联规则挖掘算法 | 第21-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于K-means和关联规则的缺失数据填补算法 | 第27-35页 |
| 3.1 算法思想 | 第27页 |
| 3.2 K-means聚类算法中如何选取K值的问题 | 第27-31页 |
| 3.2.1 改进的总体思路 | 第27-28页 |
| 3.2.2 基本概念 | 第28-29页 |
| 3.2.3 提取K-means聚类算法K值的步骤与流程图 | 第29-31页 |
| 3.2.4 改进后K-means聚类算法的分析 | 第31页 |
| 3.3 关联规则冲突问题 | 第31页 |
| 3.4 算法总体步骤 | 第31-32页 |
| 3.5 算法分析 | 第32-33页 |
| 3.6 本章小结 | 第33-35页 |
| 第4章 实验对比及结果分析 | 第35-51页 |
| 4.1 实验方案 | 第35-36页 |
| 4.1.1 实验环境 | 第35页 |
| 4.1.2 实验总思路 | 第35-36页 |
| 4.2 离散型数据集 | 第36-42页 |
| 4.2.1 实验过程 | 第37-40页 |
| 4.2.2 实验结果 | 第40-41页 |
| 4.2.3 实验分析 | 第41-42页 |
| 4.3 连续型数据集 | 第42-48页 |
| 4.3.1 连续型数据离散化 | 第42-43页 |
| 4.3.2 实验思路 | 第43-44页 |
| 4.3.3 实验过程 | 第44-46页 |
| 4.3.4 实验结果 | 第46-48页 |
| 4.3.5 实验分析 | 第48页 |
| 4.4 实验结论 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第57-59页 |
| 致谢 | 第59页 |
