数据场在聚类分析中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题研究背景 | 第8页 |
| 1.2 课题研究现状及意义 | 第8-10页 |
| 1.3 数据挖掘的定义 | 第10-11页 |
| 1.4 数据挖掘的分类 | 第11-14页 |
| 1.4.1 概念描述 | 第12页 |
| 1.4.2 聚类分析 | 第12-13页 |
| 1.4.3 分类预测 | 第13页 |
| 1.4.4 关联分析 | 第13页 |
| 1.4.5 异常检测 | 第13-14页 |
| 1.5 论文结构 | 第14-15页 |
| 2 聚类分析 | 第15-26页 |
| 2.1 聚类分析的概念 | 第15页 |
| 2.2 主要的聚类算法 | 第15-20页 |
| 2.2.1 基于划分的方法 | 第15-17页 |
| 2.2.2 基于层次的方法 | 第17-18页 |
| 2.2.3 基于密度的方法 | 第18页 |
| 2.2.4 基于网格的方法 | 第18-19页 |
| 2.2.5 基于模型的方法 | 第19页 |
| 2.2.6 孤立点分析 | 第19-20页 |
| 2.3 聚类分析的数据类型和评价标准 | 第20-25页 |
| 2.3.1 数据类型 | 第20-24页 |
| 2.3.2 评价标准 | 第24-25页 |
| 2.4 小结 | 第25-26页 |
| 3 数据场 | 第26-30页 |
| 3.1 数据场的概念 | 第26-27页 |
| 3.2 数据场主要特征 | 第27页 |
| 3.3 数据场的衡量指标 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 数据场聚类算法的设计与实现 | 第30-37页 |
| 4.1 数据场聚类算法 | 第30-31页 |
| 4.2 数据场模型的选择 | 第31-34页 |
| 4.2.1 测试数据集生成 | 第31-32页 |
| 4.2.2 位场聚类实验 | 第32-33页 |
| 4.2.3 辐射场聚类实验 | 第33-34页 |
| 4.3 参数对数据场聚类效果的影响实验 | 第34-36页 |
| 4.4 本章小结 | 第36-37页 |
| 5 实验分析 | 第37-50页 |
| 5.1 不同数据分布的实验 | 第37-40页 |
| 5.1.1 任意形状的簇 | 第37-38页 |
| 5.1.2 隐藏在噪声中的簇 | 第38-40页 |
| 5.2 UCI 数据集实验 | 第40-46页 |
| 5.2.1 Iris 数据集实验 | 第41-42页 |
| 5.2.2 Wine数据集实验 | 第42-44页 |
| 5.2.3 Breast Cancer数据集实验 | 第44-46页 |
| 5.3 基于数据场的人脸特征提取 | 第46-49页 |
| 5.4 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参献文献 | 第51-54页 |
| 在学研究成果 | 第54-55页 |
| 致谢 | 第55页 |
