| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-34页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-30页 |
| 1.2.1 传统聚类分析算法 | 第15-20页 |
| 1.2.2 多关系数据聚类算法 | 第20-25页 |
| 1.2.3 聚类结果的评价方法 | 第25-28页 |
| 1.2.4 聚类结果的分析解释 | 第28-30页 |
| 1.3 主要研究内容 | 第30-31页 |
| 1.4 论文组织结构 | 第31-34页 |
| 第2章 基于IDEF1x模型的层次多关系聚类算法 | 第34-59页 |
| 2.1 多关系聚类算法存在的问题 | 第34-37页 |
| 2.2 IDEF1x模型 | 第37-39页 |
| 2.3 多关系数据集的关联关系层次模型 | 第39-43页 |
| 2.4 多关系聚类算法 | 第43-51页 |
| 2.4.1 不同联系对聚类结果传递的影响 | 第43-46页 |
| 2.4.2 整合子节点聚类结果 | 第46-47页 |
| 2.4.3 子节点关联路径选择 | 第47-50页 |
| 2.4.4 子节点聚类结果传递 | 第50-51页 |
| 2.4.5 多关系聚类算法 | 第51页 |
| 2.5 实验 | 第51-58页 |
| 2.6 本章小结 | 第58-59页 |
| 第3章 基于概率约束区域的多关系聚类算法 | 第59-74页 |
| 3.1 研究背景 | 第59-61页 |
| 3.2 相关定义 | 第61-67页 |
| 3.2.1 基于Kripke结构的多关系不确定数据模型 | 第61-64页 |
| 3.2.2 不确定数据的概率约束区域 | 第64-66页 |
| 3.2.3 多关系聚类中不确定数据的距离度量 | 第66-67页 |
| 3.3 基于概率约束区域的多关系聚类算法 | 第67-72页 |
| 3.3.1 获取不确定数据的概率约束区域 | 第67-70页 |
| 3.3.2 基于概率约束区域的多关系聚类算法 | 第70-72页 |
| 3.4 实验 | 第72-73页 |
| 3.5 本章小结 | 第73-74页 |
| 第4章 聚类结果有效性的形式化验证算法 | 第74-97页 |
| 4.1 研究背景 | 第74-75页 |
| 4.2 相关定义 | 第75-83页 |
| 4.2.1 模型检测技术 | 第75-76页 |
| 4.2.2 聚类过程的抽象建模 | 第76-81页 |
| 4.2.3 有效聚类过程满足的性质公式 | 第81-83页 |
| 4.3 基于模型检测技术的聚类结果有效性验证算法 | 第83-88页 |
| 4.4 实验 | 第88-95页 |
| 4.4.1 传统聚类算法 | 第88-94页 |
| 4.4.2 多关系聚类算法 | 第94-95页 |
| 4.5 本章小结 | 第95-97页 |
| 第5章 基于单因素方差分析的聚簇影响因子分析算法 | 第97-111页 |
| 5.1 研究背景 | 第97-99页 |
| 5.2 相关定义 | 第99-103页 |
| 5.2.1 单因素方差分析 | 第99-100页 |
| 5.2.2 聚簇关于各属性值分布的统计量 | 第100页 |
| 5.2.3 聚簇关于属性的差异 | 第100-102页 |
| 5.2.4 属性对所有聚簇的影响因子 | 第102-103页 |
| 5.3 聚簇影响因子分析算法 | 第103-106页 |
| 5.3.1 一种自底向上的相关属性检测算法 | 第103-105页 |
| 5.3.2 总体比较算法 | 第105-106页 |
| 5.4 实验 | 第106-110页 |
| 5.5 本章小结 | 第110-111页 |
| 结论 | 第111-113页 |
| 参考文献 | 第113-124页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第124-126页 |
| 致谢 | 第126页 |