基于粗糙集和包含度的聚类分类算法研究
| 摘要 | 第1-10页 |
| abstract | 第10-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究背景和意义 | 第12-14页 |
| ·课题来源 | 第12页 |
| ·研究的目的意义 | 第12-14页 |
| ·国内外研究现状及水平 | 第14-18页 |
| ·粗糙集理论的研究现状 | 第14-15页 |
| ·聚类算法研究现状 | 第15-17页 |
| ·分类算法研究现状 | 第17-18页 |
| ·本文主要结构 | 第18-20页 |
| 第2章 聚类分析算法概述 | 第20-31页 |
| ·聚类分析的基本概念 | 第20-22页 |
| ·常用的聚类算法分类 | 第22-26页 |
| ·基于划分的聚类 | 第23页 |
| ·基于层次的聚类 | 第23-24页 |
| ·基于密度的聚类 | 第24-25页 |
| ·基于网格的聚类 | 第25页 |
| ·基于模型的聚类 | 第25-26页 |
| ·聚类分析中的数据结构及其类型 | 第26-31页 |
| ·聚类分析中的数据结构 | 第26-27页 |
| ·聚类分析中的数据类型 | 第27-31页 |
| 第3章 K-均值聚类算法的研究与改进 | 第31-46页 |
| ·K-均值聚类算法的基本原理 | 第31-32页 |
| ·K-均值聚类算法的优缺点分析 | 第32-34页 |
| ·现有的对K-均值算法的改进 | 第34-35页 |
| ·混合属性数据集的K-均值算法 | 第35-40页 |
| ·算法的基本思想 | 第35-39页 |
| ·算法流程 | 第39-40页 |
| ·仿真实验与结果分析 | 第40-46页 |
| 第4章 基于粗糙集的聚类算法改进 | 第46-58页 |
| ·粗糙集理论概述 | 第46-48页 |
| ·粗糙集理论的基本概念 | 第46-47页 |
| ·粗糙集的应用 | 第47-48页 |
| ·粗糙K-均值算法 | 第48-50页 |
| ·改进的粗糙K-均值算法 | 第50-55页 |
| ·算法的基本思想 | 第50-52页 |
| ·算法流程 | 第52-55页 |
| ·仿真实验与结果分析 | 第55-58页 |
| 第5章 基于包含度的决策树算法的改进 | 第58-67页 |
| ·基本概念 | 第58-61页 |
| ·改进的ID3 算法（KIID3） | 第61-62页 |
| ·ID3 算法理论 | 第61页 |
| ·KIID3 算法描述 | 第61-62页 |
| ·实例分析 | 第62-65页 |
| ·实验结果分析 | 第65-67页 |
| 第6章 结论与展望 | 第67-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间发表的学术论文及科研工作 | 第74-75页 |
| 致谢 | 第75页 |
