| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-10页 |
| 1 绪论 | 第10-13页 |
| ·研究背景与意义 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·数据挖掘领域中的聚类方法新发展 | 第10-11页 |
| ·电力设备缺陷管理 | 第11页 |
| ·研究目标及内容 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| 2 数据挖掘中的聚类 | 第13-26页 |
| ·引言 | 第13页 |
| ·聚类的定义 | 第13-14页 |
| ·聚类算法的分类 | 第14-24页 |
| ·基于划分的聚类算法 | 第15-18页 |
| ·层次聚类算法 | 第18-19页 |
| ·基于密度的聚类算法 | 第19-20页 |
| ·基于网格的聚类算法 | 第20页 |
| ·基于模型的聚类算法 | 第20-21页 |
| ·现代聚类算法 | 第21-24页 |
| ·半监督聚类 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 遗传算法的基本原理和粒度原理 | 第26-34页 |
| ·引言 | 第26页 |
| ·遗传算法的基本原理与遗传算子 | 第26-30页 |
| ·遗传算法的基本原理 | 第26页 |
| ·遗传算子 | 第26-30页 |
| ·遗传算法的基本流程 | 第30-32页 |
| ·粒度的基本原理 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于动态粒度的遗传聚类算法 | 第34-40页 |
| ·引言 | 第34页 |
| ·引入动态粒度的聚类算法 | 第34-36页 |
| ·基于动态粒度的遗传聚类算法 | 第36-38页 |
| ·K 中心点聚类算法 | 第36页 |
| ·基于遗传算法的K 中心点聚类算法 | 第36-38页 |
| ·基于动态粒度的遗传聚类算法 | 第38页 |
| ·算法的验证与分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 5 基于动态粒度的遗传聚类算法在设备缺陷分类中的应用研究 | 第40-48页 |
| ·引言 | 第40页 |
| ·数据的预处理 | 第40-41页 |
| ·系统模块功能的实现 | 第41-47页 |
| ·本章小结 | 第47-48页 |
| 6 结论与进一步努力的方向 | 第48-49页 |
| ·结论 | 第48页 |
| ·进一步努力的方向 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 附录A 模块关键程序 | 第51-56页 |
| 作者简历 | 第56-58页 |
| 学位论文数据集 | 第58-59页 |