基于马太效应的聚类分析方法的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-20页 |
| ·选题背景 | 第11-12页 |
| ·聚类分析研究现状 | 第12-18页 |
| ·聚类分析的定义及应用领域 | 第12-13页 |
| ·主要聚类方法 | 第13-17页 |
| ·聚类分析研究的发展方向 | 第17-18页 |
| ·本文的主要工作 | 第18-19页 |
| ·本文组织结构 | 第19-20页 |
| 第二章 数据对象间的邻近性度量 | 第20-36页 |
| ·对象间的邻近度定义 | 第20-21页 |
| ·数据对象的类型 | 第21-22页 |
| ·数据对象间的相异度计算 | 第22-29页 |
| ·同种类型变量间的相异度计算 | 第22-27页 |
| ·混合类型变量间的相异度计算 | 第27-29页 |
| ·数据对象间的相似度计算 | 第29-33页 |
| ·同种类型变量间的相似度计算 | 第29-32页 |
| ·混合类型变量间的相似度计算 | 第32-33页 |
| ·邻近度计算相关问题 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于马太效应距离的聚类算法 | 第36-56页 |
| ·马太效应距离的提出 | 第36-39页 |
| ·马太效应 | 第37页 |
| ·常用的簇间邻近性度量 | 第37-39页 |
| ·马太效应距离的计算 | 第39-43页 |
| ·相关定义 | 第39-41页 |
| ·MEICD距离递推公式 | 第41-43页 |
| ·MHCA层次聚类算法 | 第43-50页 |
| ·聚类层次的表示 | 第50页 |
| ·算法分析比较 | 第50-54页 |
| ·本章小结 | 第54-56页 |
| 第四章 MHCA算法在电子商务智能中的应用 | 第56-66页 |
| ·长江电气原有电子商务智能决策支持系统 | 第56-59页 |
| ·电子商务智能的国内外发展现状 | 第56-57页 |
| ·系统体系结构 | 第57-59页 |
| ·客户聚类分析模块 | 第59-64页 |
| ·聚类分析模块设计 | 第59-60页 |
| ·数据准备 | 第60-61页 |
| ·聚类分析模块实现 | 第61-64页 |
| ·系统特点 | 第64页 |
| ·本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| ·总结 | 第66-67页 |
| ·展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 硕士期间发表论文 | 第72页 |
