| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 引言 | 第9-25页 |
| 第一节 选题现实背景和意义 | 第9-11页 |
| 第二节 文献综述 | 第11-23页 |
| 一、城市化定义的国内外文献综述 | 第11-13页 |
| 二、城市化水平的指标的文献综述 | 第13-17页 |
| 三、城市化与其他经济因素的关系的参考文献 | 第17-23页 |
| 第三节 研究重点和创新之处 | 第23-25页 |
| 第二章 城市化水平聚类分析概述、模式识别与本文研究思路 | 第25-29页 |
| 第一节 城市化水平定义及城市化水平聚类分析意义 | 第25-28页 |
| 一、城市化水平定义 | 第25页 |
| 二、城市化水平的指标体系 | 第25-28页 |
| 第二节 本文的理论逻辑与研究思路 | 第28-29页 |
| 第三章 聚类分析方法和K近邻非参数聚类方法(KNNCLUST) | 第29-54页 |
| 第一节 理论模型 | 第29-35页 |
| 一、模式识别 | 第29-31页 |
| 二、模式识别类别 | 第31-35页 |
| 第二节 C-均值法(C-Means)模糊 C-均值算法(FCM)聚类算法、EM算法 | 第35-42页 |
| 一、C-均值法聚类方法 | 第35-36页 |
| 二、模糊 C-均值算法(FCM: Fuzzy C-Means) | 第36-40页 |
| 三、EM聚类算法 | 第40-42页 |
| 第三节 基于非参数 KNN-核函数聚类算法 | 第42-49页 |
| 一、KNN-核密度估计 | 第42-43页 |
| 二、基于 KNN-核密度估计的聚类方法 | 第43-49页 |
| 第四节 运用不同方法对模拟数据的聚类运算 | 第49-54页 |
| 第四章 我国不同城市的城市化水平聚类分析实证结果 | 第54-70页 |
| 第一节 利用 KNNCLUST、C-均值、模糊 C-均值聚类结果分析 | 第54-59页 |
| 第二节 2003年聚类结果和2004年聚类结果分析 | 第59-70页 |
| 一、2003年结果 | 第59-63页 |
| 二、2004年结果 | 第63-68页 |
| 三、政策启示 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 附录一 | 第75-80页 |
| 附录二 | 第80-81页 |
| 后记 | 第81-82页 |
