数据挖掘中聚类和孤立点检测算法的研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·当前研究中存在的问题 | 第14-15页 |
| ·聚类分析研究中存在的问题 | 第14-15页 |
| ·孤立点检测研究中存在的问题 | 第15页 |
| ·论文的主要内容 | 第15-16页 |
| ·论文的组织结构 | 第16-17页 |
| 第二章 数据挖掘概论 | 第17-22页 |
| ·数据挖掘概念 | 第17页 |
| ·数据挖掘功能 | 第17-19页 |
| ·数据挖掘过程 | 第19-20页 |
| ·数据挖掘的常用技术 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 聚类分析 | 第22-30页 |
| ·聚类分析概述 | 第22-24页 |
| ·聚类分析的概念 | 第22页 |
| ·距离与相似性的度量 | 第22-23页 |
| ·数据挖掘算法对聚类的典型要求 | 第23-24页 |
| ·聚类分析中的数据类型 | 第24-28页 |
| ·区间标度变量 | 第25-26页 |
| ·二元变量 | 第26-27页 |
| ·标称型、序数型和比例标度型变量 | 第27-28页 |
| ·混合类型的变量 | 第28页 |
| ·孤立点分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于粗糙集理论的聚类算法研究 | 第30-40页 |
| ·引言 | 第30页 |
| ·常见的聚类算法 | 第30-32页 |
| ·粗糙集理论的相关概念 | 第32-34页 |
| ·基于粗糙集理论的聚类算法 | 第34-35页 |
| ·实验分析 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于遗传算法的孤立点检测研究 | 第40-49页 |
| ·算法背景 | 第40-41页 |
| ·相关概念 | 第41-42页 |
| ·算法描述 | 第42-45页 |
| ·编码 | 第42-43页 |
| ·适应度函数的选取 | 第43页 |
| ·选择操作 | 第43-44页 |
| ·交叉操作 | 第44页 |
| ·变异操作 | 第44-45页 |
| ·算法的终止条件 | 第45页 |
| ·实验内容与结果分析 | 第45-48页 |
| ·Wisconsin乳腺癌数据集 | 第46-47页 |
| ·Boston Housing数据集 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 在校期间发表的论文 | 第56-57页 |
| 学位论文评阅及答辩情况表 | 第57页 |
