| 中文摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| ·技术背景 | 第9-10页 |
| ·数据挖掘简介 | 第10-14页 |
| ·数据挖掘定义 | 第10-11页 |
| ·数据发掘分类 | 第11-12页 |
| ·数据挖掘功能 | 第12-13页 |
| ·数据挖掘应用 | 第13-14页 |
| ·聚类问题概述 | 第14-15页 |
| ·国内外研究现状 | 第15-16页 |
| ·本文的组织结构 | 第16-19页 |
| 第二章 粗糙集理论在聚类分析中作用 | 第19-25页 |
| ·研究背景 | 第19-21页 |
| ·粗糙集定义 | 第19页 |
| ·粗糙集理论特点 | 第19-20页 |
| ·粗糙集理论方法简介 | 第20-21页 |
| ·粗糙集在聚类分析中的应用 | 第21-24页 |
| ·属性约简算法 | 第21-22页 |
| ·粗糙集在聚类中常用算法 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 高维数据聚类技术 | 第25-35页 |
| ·传统的聚类方法 | 第25-31页 |
| ·高维数据聚类问题 | 第31-32页 |
| ·高维数据特点 | 第31-32页 |
| ·高维数据聚类问题 | 第32页 |
| ·高维数据聚类方法 | 第32-34页 |
| ·属性转换 | 第32-33页 |
| ·子空间聚类 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于网格和密度的子空间聚类算法设计 | 第35-51页 |
| ·子空间聚类算法 | 第35-39页 |
| ·CLIQUE算法 | 第35-37页 |
| ·其他子类空间聚类算法 | 第37-39页 |
| ·传统子空间聚类算法存在的问题 | 第39-40页 |
| ·相邻网格的定义问题 | 第39-40页 |
| ·聚类结果的精确性问题 | 第40页 |
| ·动态调整边界网格的子空间聚类算法-CMBG算法设计 | 第40-49页 |
| ·CMBG相邻网格定义 | 第41页 |
| ·动态调整边界网格 | 第41-45页 |
| ·CMBG网格空间 | 第45页 |
| ·CMBG算法 | 第45-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 CMBG算法在连续属性离散化中的实现 | 第51-61页 |
| ·实验环境 | 第51页 |
| ·综合数据集中的实现 | 第51-53页 |
| ·CMBG算法在营口市公安网络入侵系统中的实现 | 第53-58页 |
| ·本章小结 | 第58-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·对今后工作的展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 攻读硕士学位期间的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |