适用于类属性和混合属性数据的模糊聚类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第6-8页 |
| ·选题意义 | 第6页 |
| ·论文研究背景 | 第6-7页 |
| ·论文研究内容 | 第7-8页 |
| 第二章 数据挖掘中的聚类技术 | 第8-17页 |
| ·数据挖掘技术 | 第8-10页 |
| ·KDD和数据挖掘 | 第8-9页 |
| ·数据挖掘系统的分类 | 第9-10页 |
| ·聚类的概念及描述 | 第10页 |
| ·聚类分析中的相似度度量方法 | 第10-13页 |
| ·数值属性的相似性测量方法 | 第11-12页 |
| ·类属性的相似性测量方法 | 第12-13页 |
| ·混合属性的相似性测量 | 第13页 |
| ·常用聚类分析算法 | 第13-17页 |
| 第三章 类属性及混合属性数据的聚类分析研究 | 第17-23页 |
| ·相关概念 | 第17-18页 |
| ·距离计算 | 第18-19页 |
| ·k-modes和k-prototypes | 第19-20页 |
| ·新算法CVAD的提出 | 第20-23页 |
| ·原有方法的不足 | 第20-21页 |
| ·提出新方法 | 第21-22页 |
| ·算法描述 | 第22-23页 |
| 第四章 模糊理论在聚类分析中的应用 | 第23-33页 |
| ·模糊聚类目标函数的演化 | 第23-26页 |
| ·模糊聚类算法实现途径的研究 | 第26-28页 |
| ·基于交替优化的实现 | 第26-27页 |
| ·基于神经网络的实现 | 第27页 |
| ·基于进化计算的实现 | 第27-28页 |
| ·FCM与Fuzzy k-prototypes | 第28-31页 |
| ·FCM算法 | 第28页 |
| ·Fuzzy k-prototypes算法 | 第28-31页 |
| ·模糊理论与CVAD的结合--FCVAD | 第31-33页 |
| 第五章 聚类分析算法的分析评价 | 第33-43页 |
| ·评价标准 | 第33页 |
| ·采用类属性分解技术的聚类性能分析 | 第33-35页 |
| ·采用模糊技术的聚类算法性能分析 | 第35-37页 |
| ·准确性与运行速度评价 | 第35页 |
| ·有关边界对象的评价 | 第35-36页 |
| ·模糊参数和平衡系数对性能的影响 | 第36-37页 |
| ·聚类系统的实现及实例分析 | 第37-43页 |
| ·聚类分析系统的实现 | 第37-39页 |
| ·实例分析 | 第39-42页 |
| ·实验结果分析 | 第42-43页 |
| 第六章 聚类的应用 | 第43-46页 |
| ·聚类的应用领域 | 第43页 |
| ·在ERP中的应用 | 第43页 |
| ·在模式识别中的应用 | 第43-44页 |
| ·在图像处理中的应用 | 第44页 |
| ·在借词研究中的应用 | 第44-46页 |
| 第七章 结论与展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50页 |
