声明
第1章 引言
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 传统聚类算法
1.2.2 基于势能场模型的聚类算法
1.3 论文的主要研究内容与创新
(1) 势能场模型的构建及整合
(2) 基于离散程度的决策值计算方法
(3) 基于正态分布的潜在聚类中心搜索方法
(4) 基于势能的类簇合并准则
(5) 相关实验及应用案例
1.4 论文的组织结构
第2章 基于势能场模型的改进聚类算法
2.1 密度峰搜索聚类算法的研究与分析
2.1.1 密度峰搜索聚类算法的原理和实现流程
2.1.2 优化方向分析
2.2 势能场模型
2.2.1 势能场模型的原理
2.2.2 边缘加权树的构造
2.3 基于势能场模型的密度峰搜索聚类算法
2.3.1 基于离散程度的决策值计算
2.3.2 基于正态分布的潜在聚类中心搜索
2.3.3 整合势能场模型的优化过程
2.4 本章小结
第3章 基于势能场模型的层次优化方法
3.1 传统层次聚类算法
3.1.1 层次聚类的基本原理
3.1.2 类簇间距离计算方法
3.2 基于势能的类簇合并准则
3.3 基于势能场模型的层次优化聚类算法
3.3.1 结合类簇合并准则的层次优化
3.3.2 高势能类簇的处理
3.3.3 改进聚类算法的完整实现流程及分析
3.4 本章小结
第4章 实验分析与应用案例
4.1 实验设置
4.1.1 实验环境及数据集
4.1.2 实验对比算法
4.1.3 实验评估指标
4.2 实验结果分析
4.2.1 聚类质量分析
4.2.2 聚类效率分析
4.2.3 实验结论
4.3 出版传媒企业的读者细分应用
4.3.1 基于出版业的RFM模型
4.3.2 数据预处理及聚类
4.3.3 聚类结果及分析
4.4 本章小结
第5章 总结与展望
5.1 工作总结
5.2 研究展望
致谢
参考文献
攻读学位期间获得与学位论文相关的科研成果