| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-38页 |
| ·研究目的及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-34页 |
| ·数据整合的研究现状 | 第13-16页 |
| ·数据挖掘的研究现状 | 第16-19页 |
| ·聚类分析的研究现状 | 第19-31页 |
| ·聚类分析在交通领域中的应用研究现状 | 第31-34页 |
| ·本文的主要内容 | 第34-35页 |
| ·本文的技术路线 | 第35-38页 |
| 第2章 复杂多源异构数据整合方法研究 | 第38-50页 |
| ·多源异构数据整合方法 | 第38-42页 |
| ·常见的异构数据 | 第39-40页 |
| ·数据整合的概念 | 第40-41页 |
| ·数据整合的技术 | 第41-42页 |
| ·复杂多源异构数据整合的关键技术 | 第42-47页 |
| ·数据的抽取技术 | 第45-46页 |
| ·数据的转换和加工技术 | 第46页 |
| ·数据的装载技术 | 第46-47页 |
| ·基于XML技术的航务海事异构数据整合框架 | 第47-48页 |
| ·小结 | 第48-50页 |
| 第3章 面向混合特征的权熵模糊c-均值优化方法研究 | 第50-72页 |
| ·模糊聚类算法 | 第50-56页 |
| ·距离的计算方法 | 第51-52页 |
| ·聚类有效性的设计方法 | 第52-56页 |
| ·面向数值属性数据的FCM改进算法 | 第56-61页 |
| ·权熵FCM改进优化算法 | 第57-60页 |
| ·权熵FCM改进算法求解步骤 | 第60-61页 |
| ·面向混合属性数据的权熵FCM优化算法 | 第61-66页 |
| ·面向混合属性的权熵FCM改进优化算法 | 第61页 |
| ·分类属性的相关度和距离度量方法 | 第61-66页 |
| ·权熵FCM改进算法求解步骤 | 第66页 |
| ·基于WEFCMO算法的模糊关联规则方法研究 | 第66-68页 |
| ·模糊关联规则的相关概念 | 第66-67页 |
| ·模糊关联规则的改进 | 第67-68页 |
| ·实例分析 | 第68-70页 |
| ·Iris数据集 | 第68-69页 |
| ·Flag数据集 | 第69-70页 |
| ·面向海事船舶等级划分的权熵模糊c均值聚类流程结构图 | 第70-71页 |
| ·小结 | 第71-72页 |
| 第4章 面向混合属性数据的聚类融合方法研究 | 第72-98页 |
| ·聚类融合模型体系 | 第73-79页 |
| ·聚类融合模型体系 | 第73-77页 |
| ·面向混合属性数据的聚类融合模型体系 | 第77-79页 |
| ·聚类融合方法研究 | 第79-91页 |
| ·分类属性数据融合方法 | 第80-87页 |
| ·混合属性数据聚类成员的产生 | 第87-88页 |
| ·共识函数的设计方法 | 第88-90页 |
| ·聚类的簇合并与分裂 | 第90-91页 |
| ·实例分析 | 第91-94页 |
| ·Yellow-small数据集 | 第91页 |
| ·Zoo数据集 | 第91-94页 |
| ·面向交通事故成因分析的聚类融合框架体系 | 第94-96页 |
| ·小结 | 第96-98页 |
| 第5章 基于聚类融合的混合属性数据增量聚类方法研究 | 第98-122页 |
| ·增量聚类方法概述 | 第99-106页 |
| ·基于传统聚类的增量聚类算法 | 第99-104页 |
| ·基于生物智能的增量聚类算法 | 第104-106页 |
| ·面向数据流的增量聚类算法 | 第106页 |
| ·基于聚类融合的增量聚类方法 | 第106-114页 |
| ·基于聚类融合的增量聚类算法流程 | 第106-108页 |
| ·有数据基础的增量聚类算法研究 | 第108-113页 |
| ·无数据基础的增量聚类算法研究 | 第113-114页 |
| ·实例分析 | 第114-117页 |
| ·Diagnosis数据集 | 第114-115页 |
| ·Adult数据集 | 第115-117页 |
| ·几种算法的对比分析 | 第117-118页 |
| ·面向海事船舶等级划分的增量聚类流程图 | 第118-120页 |
| ·小结 | 第120-122页 |
| 第6章 聚类分析方法在交通领域中的应用 | 第122-166页 |
| ·聚类分析在交通领域的应用研究 | 第122-123页 |
| ·面向交通领域海事行业的数据整合方法应用研究 | 第123-134页 |
| ·基于模糊聚类的船舶等级划分 | 第134-139页 |
| ·基于模糊关联规则的交通事故成因分析应用研究 | 第139-143页 |
| ·基于聚类融合的交通事故分析应用研究 | 第143-146页 |
| ·面向海事船舶划分的增量聚类方法应用研究 | 第146-165页 |
| ·有数据基础的增量聚类船舶划分方法应用研究 | 第146-162页 |
| ·无数据基础的增量聚类船舶划分方法应用研究 | 第162-165页 |
| ·小结 | 第165-166页 |
| 第7章 总结与展望 | 第166-170页 |
| ·研究总结 | 第166-167页 |
| ·进一步工作展望 | 第167-170页 |
| 参考文献 | 第170-184页 |
| 附录A 部分船舶数据(标准化后) | 第184-188页 |
| 附录B 无数据基础时的增量聚类过程 | 第188-202页 |
| 攻读学位期间公开发表论文和科研成果 | 第202-206页 |
| 致谢 | 第206页 |
