| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-11页 |
| ·本文研究的背景 | 第8页 |
| ·国内外研究现状及成果 | 第8-10页 |
| ·数据挖掘技术的发展 | 第8-9页 |
| ·模糊聚类理论的发展 | 第9页 |
| ·马氏距离研究热点 | 第9-10页 |
| ·论文主要内容及组织结构 | 第10-11页 |
| 第二章 模糊c-均值算法及分析 | 第11-23页 |
| ·模糊理论基础 | 第11-13页 |
| ·模糊理论的主要概念 | 第11-12页 |
| ·模糊关系 | 第12-13页 |
| ·聚类分析理论 | 第13-16页 |
| ·聚类分析的基本概念 | 第14-15页 |
| ·聚类分析算法 | 第15-16页 |
| ·模糊c-均值算法 | 第16-22页 |
| ·模糊c-均值算法分析 | 第16-17页 |
| ·模糊c-均值聚类算法的研究现状 | 第17-18页 |
| ·模糊c-均值算法存在的问题 | 第18-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 马氏距离基本原理和处理方法 | 第23-27页 |
| ·马氏距离方法基本原理 | 第23-24页 |
| ·马氏距离中奇异问题的解决方法 | 第24-25页 |
| ·马氏距离的应用 | 第25-26页 |
| ·马氏距离在模式识别中的应用 | 第25页 |
| ·马氏距离在其他领域的应用 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 马氏距离在模糊聚类中的应用 | 第27-37页 |
| ·基于马氏距离的FCM 算法（FCM-M） | 第27-33页 |
| ·新算法提出 | 第27-28页 |
| ·实验结果及分析 | 第28-33页 |
| ·基于马氏距离特征加权的模糊距离新算法(MF-FCM) | 第33-36页 |
| ·马氏距离特征加权新方法 | 第34-35页 |
| ·实验结果及分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于优化KPCA 特征提取的FCM 算法 | 第37-42页 |
| ·KPCA 原理及其优化 | 第37-39页 |
| ·KPCA 原理 | 第37-39页 |
| ·文化算法原理 | 第39页 |
| ·基于优化KPCA 的学习算法（CA-KPCA） | 第39-40页 |
| ·基于CA-KPCA 的FCM 算法 | 第40-41页 |
| ·算法的提出 | 第40页 |
| ·仿真实验 | 第40-41页 |
| ·实验分析 | 第41页 |
| ·本章小结 | 第41-42页 |
| 结论 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 攻读硕士学位期间发表的学术论文情况 | 第47-48页 |
| 致谢 | 第48页 |