第1章 緒論
1．1 數(shù)據(jù)挖掘的研究背景和意義
1．2 聚類分析和離群檢測(cè)的研究現(xiàn)狀
1．2．1 聚類分析研究現(xiàn)狀
1．2．2 離群檢測(cè)研究現(xiàn)狀
1．3 本章小結(jié)
第2章 聚類分析和離群檢測(cè)
2．1 聚類分析
2．1．1 聚類分析概述
2．1．2 聚類算法概述
2．1．3 聚類結(jié)果評(píng)估
2．2 離群檢測(cè)
2．2．1 離群的定義
2．2．2 離群檢測(cè)算法概述
2．2．3 離群檢測(cè)評(píng)價(jià)
2．3 本章小結(jié)
第3章 基于自然鄰居的局部核心點(diǎn)和準(zhǔn)聚類中心
3．1 自然鄰居
3．2 基于自然鄰居的局部核心點(diǎn)
3．3 準(zhǔn)聚類中心及自然核心點(diǎn)
3．3．1 準(zhǔn)聚類中心
3．3．2 自然核心點(diǎn)
3．4 本章小結(jié)
第4章 基于中心的聚類算法
4．1 現(xiàn)有的基于中心的聚類算法存在的問題
4．2 基于局部核心點(diǎn)的DP算法DPI．ORE
4．2．1 基于局部核心點(diǎn)的DP算法基本思想
4．2．2 實(shí)驗(yàn)結(jié)果及分析
4．3 基于準(zhǔn)聚類中心的聚類算法QCC
4．3．1 QCC算法的基本思想
4．3．2 QCC算法實(shí)驗(yàn)及分析
4．4 本章小結(jié)
第5章 層次聚類算法
5．1 現(xiàn)有的層次聚類算法存在的不足
5．2 基于自然鄰居的層次聚類算法Hi-CLUBS
5．2．1 Hi-CLUBS算法基本思想
5．2．2 實(shí)驗(yàn)及分析
5．3 基于局部核心點(diǎn)的層次聚類算法Hi-CLUBS
5．3．1 HCLORE算法基本思想
5．3．2 實(shí)驗(yàn)及分析
5．4 基于噪聲去除的層次聚類算法HCBNR
5．4．1 HCBNR算法的基本思想
5．4．2 實(shí)驗(yàn)及分析
5．5 本章小結(jié)
第6章 最小生成樹聚類算法
6．1 基于最小生成樹的聚類算法存在的問題
6．2 基于局部核心點(diǎn)的最小生成樹算法LORE-MST
6．2．1 LORE-MST算法基本思想
6．2．2 實(shí)驗(yàn)及分析
6．3 基于自然核心點(diǎn)的最小生成樹聚類分析算法NCP-MST
6．3．1 NCP-MST算法過程
6．3．2 實(shí)驗(yàn)分析
6．4 本章小結(jié)
第7章 聚類結(jié)果內(nèi)部評(píng)估方法
7．1 現(xiàn)有的聚類結(jié)果內(nèi)部評(píng)估方法存在的不足
7．2 基于局部核心點(diǎn)的聚類結(jié)果評(píng)估方法
7．2．1 局部核心點(diǎn)之間基于圖的距離
7．2．2 LCCV指標(biāo)
7．2．3 LCCV指標(biāo)分析
7．2．4 基于LCCV指標(biāo)的層次聚類算法
7．3 實(shí)驗(yàn)結(jié)果及分析
7．3．1 人工數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果
7．3．2 真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果
7．3．3 LCCV指標(biāo)與其他聚類算法結(jié)合的實(shí)驗(yàn)結(jié)果
7．4 討論
7．4．1 局部核心點(diǎn)的合理性
7．4．2 噪聲點(diǎn)的影響
7．5 本章小結(jié)
第8章 離群檢測(cè)
8．1 現(xiàn)有離群檢測(cè)算法分析
8．2 基于自然鄰居的無參離群檢測(cè)算法NOF
8．2．1 NOF算法及相關(guān)定義
8．2．2 實(shí)驗(yàn)結(jié)果及分析
8．3 基于互為鄰域圖的離群簇檢測(cè)算法ROCF
8．3．1 ROCF算法及相關(guān)定義
8．3．2 實(shí)驗(yàn)結(jié)果及分析
8．4 本章小結(jié)
第9章 總結(jié)和展望
9．1 總結(jié)
9．2 展望
參考文獻(xiàn)
索引