基于密度垂直中点的K-means聚类算法改进研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-14页 |
| ·本文研究背景和意义 | 第9-10页 |
| ·数据挖掘研究现状及成果 | 第10-12页 |
| ·论文结构组成及简介 | 第12-14页 |
| 第2章 数据挖掘技术研究 | 第14-24页 |
| ·数据挖掘概念 | 第14-15页 |
| ·定义 | 第14-15页 |
| ·数据挖掘的方法 | 第15页 |
| ·数据挖掘的功能 | 第15-16页 |
| ·体系结构 | 第16-18页 |
| ·数据挖掘具体过程 | 第18-20页 |
| ·数据挖掘算法 | 第20-21页 |
| ·分类算法 | 第20页 |
| ·聚类算法 | 第20-21页 |
| ·关联算法 | 第21页 |
| ·序列算法 | 第21页 |
| ·数据挖掘之应用 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 聚类技术研究 | 第24-33页 |
| ·聚类分析概述 | 第24-25页 |
| ·基本定义 | 第24页 |
| ·聚类分析过程 | 第24-25页 |
| ·聚类算法种类 | 第25-31页 |
| ·层次聚类法 | 第26-28页 |
| ·基于划分的聚类方法 | 第28页 |
| ·基于密度和网格聚类 | 第28-30页 |
| ·基于模型的聚类 | 第30-31页 |
| ·聚类性能评价标准 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于密度垂直中点的聚类优化算法 | 第33-47页 |
| ·K-MEANS 聚类分析方法 | 第33-36页 |
| ·K-Means 算法的基本思想 | 第33页 |
| ·K-Means 算法 | 第33-35页 |
| ·K-Means 算法的优缺点 | 第35-36页 |
| ·K-MEANS 算法改进策略 | 第36页 |
| ·聚类中心选取优化算法 | 第36-40页 |
| ·基本定义 | 第37-38页 |
| ·K-means 优化算法基本思想 | 第38页 |
| ·基于密度及垂直中心的初始聚类中心选取优化算法 | 第38-40页 |
| ·均衡化聚类评价函数 | 第40-42页 |
| ·均衡化评价函数的提出 | 第40-41页 |
| ·基于密度垂直中点的聚类算法与均衡化评价函数结合 | 第41-42页 |
| ·改进算法在 UCI 数据库中的应用 | 第42-46页 |
| ·UCI 数据集描述 | 第42-44页 |
| ·算法测试及结果分析 | 第44-46页 |
| ·实验结果及分析 | 第46-47页 |
| 第5章 总结与展望 | 第47-49页 |
| ·研究工作总结 | 第47-48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 附录 A 攻读硕士学位期间录用及发表的论文 | 第53页 |
