基于划分的双向选择自组织聚类算法的研究
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-15页 |
| ·数据挖掘简介 | 第7-11页 |
| ·数据挖掘的定义 | 第7-8页 |
| ·数据挖掘的支撑理论及方法 | 第8-11页 |
| ·数据挖掘中的聚类分析 | 第11-12页 |
| ·人工神经网络 | 第12-14页 |
| ·本文的主要内容 | 第14-15页 |
| 第二章 基于划分的聚类算法K-medoids | 第15-30页 |
| ·聚类算法设计中的典型要求 | 第15-16页 |
| ·聚类分析中的数据类型 | 第16-19页 |
| ·相似度度量方法 | 第19-23页 |
| ·距离 | 第19-21页 |
| ·相似系数 | 第21-23页 |
| ·K-medoids 算法 | 第23-27页 |
| ·聚类的准则 | 第23-24页 |
| ·类的表示 | 第24-26页 |
| ·算法框架 | 第26-27页 |
| ·聚类分析方法的评价 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 自组织映射网(SOM) | 第30-43页 |
| ·竞争学习 | 第31-33页 |
| ·基本特征映射模型 | 第33-34页 |
| ·自组织映射 | 第34-41页 |
| ·SOM 算法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于划分的双向选择自组织聚类算法 | 第43-55页 |
| ·问题的描述 | 第43-44页 |
| ·基本思想 | 第44-45页 |
| ·算法设计 | 第45-50页 |
| ·算法实现 | 第50-53页 |
| ·本章小结 | 第53-55页 |
| 第五章 算法分析与结果评估 | 第55-62页 |
| ·测试用例 | 第55-56页 |
| ·复杂度分析 | 第56-57页 |
| ·聚类结果分析 | 第57-60页 |
| ·算法比较与评价 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 摘要 | 第66-69页 |
| Abstract | 第69-72页 |
| 致谢 | 第72-73页 |
| 导师及作者简介 | 第73页 |
