不确定数据聚类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·论文选题的背景和意义 | 第10-11页 |
| ·不确定数据概述 | 第11-13页 |
| ·不确定数据的来源 | 第11-12页 |
| ·不确定数据分类 | 第12-13页 |
| ·不确定数据研究内容 | 第13页 |
| ·论文的主要内容 | 第13-14页 |
| ·论文的结构安排 | 第14-15页 |
| 第二章 不确定数据挖掘相关介绍 | 第15-19页 |
| ·聚类 | 第15页 |
| ·分类 | 第15-16页 |
| ·支持向量机不确定分类法 | 第15-16页 |
| ·扩展的贝叶斯分类法 | 第16页 |
| ·频繁项集挖掘 | 第16-18页 |
| ·孤立点检测 | 第18-19页 |
| 第三章 聚类研究概述 | 第19-33页 |
| ·聚类概述 | 第19-26页 |
| ·聚类的数学表示 | 第20页 |
| ·聚类过程 | 第20-21页 |
| ·聚类分析中的相似度技术 | 第21-23页 |
| ·聚类效果评估方法 | 第23-26页 |
| ·聚类分析的研究意义 | 第26页 |
| ·传统聚类分析算法 | 第26-28页 |
| ·划分方法 | 第26-27页 |
| ·层次方法 | 第27页 |
| ·基于密度的方法 | 第27-28页 |
| ·其他方法 | 第28页 |
| ·不确定数据聚类算法 | 第28-33页 |
| ·基于划分的不确定聚类算法 | 第28-31页 |
| ·基于密度的不确定聚类算法 | 第31-32页 |
| ·其他方法 | 第32-33页 |
| 第四章 不确定期望中心的最近邻搜索聚类算法 | 第33-47页 |
| ·引言 | 第33页 |
| ·UECNNSC 的理论基础 | 第33-37页 |
| ·CK-means 算法 | 第33-34页 |
| ·最近邻优先吸收(NNAF)算法 | 第34-37页 |
| ·UECNNSC 算法描述 | 第37-40页 |
| ·基本概念 | 第37页 |
| ·UCNNSC 算法 | 第37-40页 |
| ·UECNNSC 算法分析 | 第40-41页 |
| ·算法时间复杂度分析 | 第40-41页 |
| ·算法功能的一种扩展运用 | 第41页 |
| ·实验分析 | 第41-46页 |
| ·实验环境 | 第41-42页 |
| ·实验数据 | 第42-44页 |
| ·实验结果分析 | 第44-46页 |
| ·本章总结 | 第46-47页 |
| 第五章 高维不确定数据高效聚类算法 | 第47-56页 |
| ·引言 | 第47页 |
| ·HDUDEC 算法的理论基础 | 第47-50页 |
| ·凝聚层次聚类 | 第47-48页 |
| ·相似度度量函数 | 第48-50页 |
| ·HDUDEC 算法描述 | 第50-51页 |
| ·基本概念 | 第50页 |
| ·HDUDEC 算法 | 第50-51页 |
| ·HDUDEC 算法分析 | 第51-52页 |
| ·算法时间复杂度分析 | 第51-52页 |
| ·算法功能的一种扩展运用 | 第52页 |
| ·实验分析 | 第52-55页 |
| ·实验环境 | 第52页 |
| ·不确定数据集生成 | 第52-53页 |
| ·实验结果分析 | 第53-55页 |
| ·本章总结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 在学期间发表的学术论文与研究成果 | 第63-64页 |
