| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本论文的研究内容 | 第12-13页 |
| ·论文章节安排 | 第13-14页 |
| 2 数据挖掘及聚类分析 | 第14-23页 |
| ·数据挖掘概述 | 第14页 |
| ·数据挖掘的方法 | 第14-16页 |
| ·概念/类描述:特征化与比较 | 第14-15页 |
| ·关联分析 | 第15页 |
| ·分类和预测 | 第15页 |
| ·聚类分析 | 第15-16页 |
| ·聚类分析概述 | 第16-19页 |
| ·聚类分析中的数据类型 | 第16页 |
| ·聚类分析中相似度度量方法 | 第16-19页 |
| ·几种主要的聚类分析算法 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于遗传算法的聚类中心获取方法 | 第23-40页 |
| ·遗传算法 | 第23-30页 |
| ·遗传算法基本概念 | 第23-24页 |
| ·遗传算法的处理流程 | 第24页 |
| ·遗传算法的实现技术 | 第24-30页 |
| ·K-means 算法 | 第30-32页 |
| ·K-means 算法的基本思想和框架 | 第30-31页 |
| ·K-means 算法的初值依赖性分析 | 第31页 |
| ·K-means 算法初值依赖性的现有解决方法 | 第31-32页 |
| ·基于遗传算法的聚类中心获取方法 | 第32-35页 |
| ·算法基本流程 | 第32-33页 |
| ·编码方式 | 第33-34页 |
| ·种群初始化 | 第34页 |
| ·适应度函数选择 | 第34-35页 |
| ·选择操作 | 第35页 |
| ·交叉操作 | 第35页 |
| ·变异操作 | 第35页 |
| ·终止规则 | 第35页 |
| ·实验结果及分析 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 4 利用遗传思想进行数据划分的 DBSCAN 算法(DPDGA) | 第40-55页 |
| ·DBSCAN 算法简介 | 第40-42页 |
| ·算法思想 | 第40页 |
| ·算法框架 | 第40-42页 |
| ·DBSCAN 算法局限性分析 | 第42-45页 |
| ·DBSCAN 算法现有的一些改进 | 第45-46页 |
| ·利用遗传思想进行数据划分的DBSCAN 算法(DPDGA) | 第46-51页 |
| ·DPDGA 算法的构造出发点 | 第46页 |
| ·DPDGA 算法的基本思想 | 第46页 |
| ·数据集的划分 | 第46-47页 |
| ·局部数据集参数MinPtsi 的确定 | 第47-48页 |
| ·局部数据集聚类结果的合并 | 第48-51页 |
| ·DPDGA 算法的基本框架 | 第51页 |
| ·实验结果 | 第51-54页 |
| ·小结 | 第54-55页 |
| 5 论文总结 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录:作者在攻读硕士学位期间发表的论文目录 | 第60-61页 |