K-Means算法的k值自适应优化方法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 选题背景和研究意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 聚类算法的研究方向 | 第13-14页 |
| 1.4 本文的主要研究内容及本文组成结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 数据挖掘技术简介 | 第16-22页 |
| 2.1 数据挖掘概述 | 第16页 |
| 2.2 数据挖掘的处理过程 | 第16-18页 |
| 2.3 数据挖掘的任务 | 第18-19页 |
| 2.4 数据挖掘的常用方法 | 第19-21页 |
| 2.5 数据挖掘的发展趋势 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 聚类分析的研究 | 第22-30页 |
| 3.1 聚类分析介绍 | 第22页 |
| 3.2 聚类的概念 | 第22-25页 |
| 3.3 聚类的一般步骤 | 第25-26页 |
| 3.4 主要聚类方法的分类 | 第26-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 K-Means算法研究及其优化 | 第30-53页 |
| 4.1 K-Means聚类算法 | 第30-41页 |
| 4.1.1 K-Means算法的优缺点分析 | 第32-33页 |
| 4.1.2 K-Means算法各种改进方法的研究 | 第33-41页 |
| 4.2 改进的K-Means算法的提出 | 第41-47页 |
| 4.2.1 本文优化方案的分析 | 第42-44页 |
| 4.2.2 本文优化方案的基本思想 | 第44-45页 |
| 4.2.3 本文优化方案的算法步骤 | 第45-46页 |
| 4.2.4 改进的K-Means算法的工作流程 | 第46-47页 |
| 4.3 实验结果分析 | 第47-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
