第一章 绪论
1.1 研究的背景与意义
1.2 国内外研究现状
1.3 本文的主要工作
1.4 文章内容安排
第二章 聚类分析相关理论
2.1 聚类的基本概念
2.2 相似性度量
2.3 聚类评价指标
2.4 本章小结
第三章 常用聚类算法
3.1 聚类算法的分类
3.2 K-means聚类算法
3.3 本章小结
第四章 常见的K-means初始聚类中心的改进方法
4.1 最大最小距离算法
4.2 K-means++算法
4.3 CCIA算法
4.4 Kd-tree算法
4.5 FSDP算法
4.6 本章小结
第五章 基于混合距离的K-means初始聚类中心算法
5.1 数据点密度的定义
5.2 混合距离模型
5.3 基于混合距离的初始聚类中心选取算法
5.4 混合距离模型实验结果与分析
5.5 本章小结
第六章 内部聚类评价指标CVN
6.1 内部聚类评价指标CVNN的分析
6.2 内部聚类评价指标CVN
6.3 内部聚类评价指标CVN实验结果与分析
6.4 本章小结
第七章 全文总结与展望
7.1 全文工作总结
7.2 研究展望
参考文献
致谢
攻读硕士学位期间的相关成果