1 绪论
1.1 研究背景与意义
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 数据挖掘的研究现状
1.2.2 层次聚类算法研究现状
1.2.3 Chameleon聚类算法研究现状
1.2.4 相似性度量研究现状
1.3 本文主要研究内容
1.4 本文组织结构安排
2. 预备知识
2.1 聚类分析
2.1.1 聚类分析的基本概念
2.1.2 聚类分析的类型
2.2 聚类方法的评价指标
2.3 相似性度量
2.4 聚类分析处理高维数据集的难点
2.5 本章小结
3 基于自然邻居的Chameleon聚类算法
3.1 Chamemelon算法
3.1.1 算法概述
3.1.2 算法的优缺点
3.2最近邻思想
3.2.1 最近邻思想概述
3.2.2 自然邻居
3.3 NN-Chameleon算法
3.3.1 构建自然邻域加权图
3.3.2 图划分
3.3.3 合并子簇
3.3.4 NN-Chameleon算法的总流程及复杂度分析
3.4 UCI数据集实验结果
3.4.1 实验目的
3.4.2 实验结果
3.5 合成数据集实验结果
3.5.1 Flame数据集实验结果
3.5.2 Aggregation数据集实验结果
3.5.3 Jain数据集实验结果
3.6 本章小结
4 基于共享邻居的Chameleon聚类算法
4.1 高维数据的特征分析
4.2 共享邻居
4.3 SNN-Chameleon算法
4.3.1 算法基本思想
4.3.2 算法描述
4.4 实验结果及分析
4.4.1 实验目的
4.4.2 实验结果分析
4.5 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
攻读学位期间主要研究成果
西安理工大学;