| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 引言 | 第11-19页 |
| ·研究背景 | 第11-13页 |
| ·数据挖掘的产生与发展 | 第11-12页 |
| ·聚类分析 | 第12-13页 |
| ·课题的引出 | 第13-14页 |
| ·论文的主要工作 | 第14-16页 |
| ·本文创新点 | 第16-17页 |
| ·论文组织 | 第17-19页 |
| 第二章 基本理论 | 第19-29页 |
| ·数据挖掘简介 | 第19-21页 |
| ·数据挖掘定义 | 第19页 |
| ·数据挖掘分类 | 第19-20页 |
| ·数据挖掘系统功能 | 第20-21页 |
| ·聚类技术 | 第21-24页 |
| ·聚类问题的描述 | 第21-22页 |
| ·相似度度量 | 第22-23页 |
| ·聚类技术分类 | 第23-24页 |
| ·高维数据聚类 | 第24-28页 |
| ·高维数据聚类概念 | 第24-25页 |
| ·维度灾难 | 第25页 |
| ·高维数据聚类技术分类 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于单维分割的高维数据聚类算法 | 第29-37页 |
| ·相关技术 | 第29-31页 |
| ·转换索引 | 第29-31页 |
| ·单维聚类 | 第31页 |
| ·HDCA_SDP 聚类算法 | 第31-34页 |
| ·实验结果与分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 高维数据的维分组聚类技术 | 第37-51页 |
| ·相关技术 | 第37-44页 |
| ·K-平均算法 | 第37-40页 |
| ·K 值优化 | 第40-41页 |
| ·中心点选取优化 | 第41-44页 |
| ·K 平均算法的完全优化算法TK-MEANS | 第44页 |
| ·维分组技术 | 第44-46页 |
| ·基于维分组技术的聚类算法DFBC | 第46-48页 |
| ·相关定理 | 第46-47页 |
| ·DFBC 算法描述 | 第47-48页 |
| ·实验结果分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 基于相交网格划分的算法IGCOD | 第51-60页 |
| ·相关工作 | 第51-53页 |
| ·相关概念 | 第53-55页 |
| ·IGCOD 算法 | 第55-58页 |
| ·实验结果与分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 基于半相交网格的子空间聚类HIGSC 算法 | 第60-72页 |
| ·相关工作 | 第60-62页 |
| ·问题描述 | 第62-64页 |
| ·单维半相交网格聚类 | 第64-67页 |
| ·HIGSC 算法 | 第67-69页 |
| ·实验分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第七章 总结与展望 | 第72-75页 |
| ·总结 | 第72-73页 |
| ·下一步的研究工作 | 第73-75页 |
| 参考文献 | 第75-83页 |
| 致谢 | 第83-84页 |
| 攻读学位期间发表的学术论文 | 第84页 |
| 攻读学位期间参加的研究工作 | 第84-85页 |