声明
摘要
第一章 绪论
1.1.研究的背景与研究的意义
1.2.数据挖掘的理论和应用
1.2.1.数据挖掘的发展背景
1.2.2.数据挖掘的研究现状
1.2.3.聚类的研究现状
1.2.4.聚类面临的挑战
1.2.5.禁忌搜索的研究现状
1.3.本文的组织和研究内容
第二章 聚类分析
2.1.聚类的形式化描述和过程
2.2.基本的聚类算法概述
2.3.聚类算法性能的比较
2.4.聚类分析中数据属性
2.5.相似性度量方法
2.5.1.距离度量
2.5.2.相似性度量
2.6.K-medoids聚类算法介绍
2.7.高维空间聚类概述
2.8.本章小结
第三章 基于改进禁忌搜索的K-medoids聚类算法
3.1 禁忌搜索算法基本理论
3.1.1 禁忌搜索的提出
3.1.2 禁忌搜索相关的概念
3.1.3 禁忌搜索算法的描述
3.2 最大距离积算法
3.3 相关定义
3.4 改进的禁忌搜索算法
3.5 算法设计
3.5.1 聚类的评价
3.5.2 算法描述
3.5.3 时间复杂度分析
3.6 仿真实验结果以及分析
3.7 本章小结
第四章 基于高维度数据相似性度量聚类方法
4.1 相似性函数设计
4.2 算法描述
4.3 时间复杂度分析
4.4 有效性分析
4.5 算例分析
4.6 仿真实验
4.7 本章小结
第五章 结论与展望
5.1 结论
5.2 展望
参考文献
致谢
攻读学位期间所发表的学术论文