声明
第一章 绪论
1.1研究背景与意义
1.2国内外研究现状
1.2.1聚类算法研究现状
1.2.2聚类有效性指标研究现状
1.3本文主要工作
1.4论文组织结构
第二章 聚类算法与聚类有效性指标的理论基础
2.1聚类分析与聚类算法研究概述
2.2常用的聚类算法数据对象相似性度量标准
2.3常见聚类算法的分类
2.3.1 基于划分的聚类算法
2.3.2 基于层次的聚类算法
2.3.3基于密度的聚类算法
2.3.4基于网格的聚类算法
2.3.5基于模型的聚类算法
2.3.6基于图的聚类算法
2.4聚类有效性指标综述
2.4.1聚类有效性指标分类
2.4.2常用的内部聚类有效性指标
2.4.3常用的外部聚类有效性指标
2.5 本章小结
第三章 一种优化中心点选取的改进K-means聚类算法
3.1 绪论
3.2 改进的 K-means 聚类算法
3.3 DT-Kmeans算法实验结果与分析
3.3.1 DT-Kmeans 算法在模拟数据集上的实验结果
3.3.2 DT-Kmeans 算法在真实数据集上的实验结果
3.4 本章小结
第四章 一种新的聚类有效性指标的研究
4.1 绪论
4.2 新的聚类有效性指标
4.3 新的聚类有效性指标理论分析
4.4 CSI指标实验结果与分析
4.4.1 两个模拟数据集的实验结果
4.4.2 九个小型真实数据集的实验结果
4.4.3 三个大型真实数据集的实验结果
4.4.4实验结果总结与分析
4.5 本章小结
第五章 总结和展望
5.1 总结
5.2 展望
参考文献
攻读硕士学位期间取得的学术成果
致谢
安徽大学;