| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文主要研究内容 | 第13-14页 |
| ·本文组织结构 | 第14-15页 |
| 第2章 相关知识 | 第15-27页 |
| ·传统的聚类划分方法 | 第15-17页 |
| ·K均值聚类算法 | 第15-16页 |
| ·模糊C均值聚类算法 | 第16-17页 |
| ·聚类过程中相似性的度量及准则 | 第17-21页 |
| ·相似性（距离）的度量 | 第17-20页 |
| ·聚类分析准则 | 第20-21页 |
| ·核函数 | 第21-24页 |
| ·核函数的来源及其概念 | 第21-22页 |
| ·核函数的分类（常见核函数） | 第22-23页 |
| ·核函数的特征 | 第23-24页 |
| ·熵概念 | 第24-25页 |
| ·熵的演变及其重要意义 | 第24-25页 |
| ·香农信息熵 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第3章 加权广义熵模糊聚类算法 | 第27-41页 |
| ·广义熵模糊聚类划分方法 | 第27-31页 |
| ·基于熵方法聚类的统一目标函数 | 第27-29页 |
| ·广义熵的定义及其与香农熵的关系 | 第29-30页 |
| ·广义熵模糊聚类划分方法的目标函数 | 第30-31页 |
| ·加权广义熵模糊聚类划分方法 | 第31-36页 |
| ·加权方法的重要意义 | 第31-32页 |
| ·加权广义熵模糊聚类划分方法的目标函数 | 第32-33页 |
| ·加权广义熵模糊聚类划分方法的推导 | 第33-36页 |
| ·加权广义熵模糊聚类划分方法的具体实施步骤 | 第36页 |
| ·加权广义熵模糊聚类划分方法中的权重确定 | 第36-40页 |
| ·基于数据样本权重的加权方法 | 第36-38页 |
| ·扩展到属性权重的数据样本加权方法 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 具有核函数的加权广义熵模糊聚类算法 | 第41-49页 |
| ·核函数在聚类方法中的作用 | 第41-43页 |
| ·具有核函数的加权广义熵模糊聚类方法 | 第43-46页 |
| ·具有核函数的加权广义熵模糊聚类方法中核的构造融合 | 第46-48页 |
| ·核函数的数学理论基础 | 第46-47页 |
| ·核函数的构造融合 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 实验 | 第49-57页 |
| ·实验环境与实验数据 | 第49-50页 |
| ·实验结果及分析 | 第50-55页 |
| ·针对数据集Butterfly所进行的实验及分析 | 第50-51页 |
| ·针对二维IRIS数据集所进行的实验及分析 | 第51-54页 |
| ·针对多维数据集所进行的实验及分析 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第6章 总结与展望 | 第57-59页 |
| ·本文总结 | 第57页 |
| ·工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间取得的科研成果 | 第64页 |