聚类分析系统的设计与实现及在工业中的应用
| 1 引言 | 第1-10页 |
| ·论文背景介绍 | 第7-8页 |
| ·选题的目的和意义 | 第8-10页 |
| 2 数据挖掘技术 | 第10-23页 |
| ·数据挖掘的概念 | 第10-13页 |
| ·定义 | 第10-11页 |
| ·特征 | 第11页 |
| ·发现的知识种类 | 第11-12页 |
| ·数据挖掘过程 | 第12-13页 |
| ·研究发展状况及发展趋势 | 第13-15页 |
| ·数据挖掘方法 | 第15-19页 |
| ·关联规则 | 第15-16页 |
| ·分类 | 第16-17页 |
| ·序列模式分析 | 第17页 |
| ·决策树 | 第17-18页 |
| ·聚类分析 | 第18-19页 |
| ·数据挖掘在工业数据分析中的应用 | 第19-23页 |
| ·工业数据的特点 | 第19-20页 |
| ·数据挖掘在工业应用中的目的和意义 | 第20-23页 |
| 3 聚类分析算法的研究 | 第23-42页 |
| ·聚类分析的概念 | 第23-24页 |
| ·定义 | 第23页 |
| ·应用 | 第23-24页 |
| ·聚类分析算法综述 | 第24-25页 |
| ·划分方法 | 第24页 |
| ·层次方法 | 第24-25页 |
| ·基于密度的方法 | 第25页 |
| ·基于网格的方法 | 第25页 |
| ·基于模型的方法 | 第25页 |
| ·数据挖掘对聚类分析的典型要求 | 第25-26页 |
| ·聚类系统中算法的分析研究 | 第26-42页 |
| ·自组织映射神经网络 | 第26-35页 |
| ·模糊C均值聚类算法介绍 | 第35-40页 |
| ·两种算法的比较 | 第40-42页 |
| 4 聚类分析系统的应用与实现 | 第42-62页 |
| ·系统的体系结构 | 第42-43页 |
| ·技术实现 | 第43-44页 |
| ·系统框架 | 第44-45页 |
| ·系统特点 | 第45页 |
| ·各子模块的实现 | 第45-62页 |
| ·自组织映射神经网络聚类 | 第45-54页 |
| ·模糊C均值聚类 | 第54-62页 |
| 5 聚类分析系统在工业数据分析中的应用 | 第62-71页 |
| ·案例 | 第62-65页 |
| ·案例 | 第65-71页 |
| 6 更进一步的研究 | 第71页 |
| 7 结束语 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75页 |
