基於自然鄰居的聚類分析和離群檢測算法研究（簡體書）

《基於自然鄰居的聚類分析和離群檢測算法研究》是有關數據挖掘中基於鄰域概念的聚類分析和離群檢測算法的專著。主要內容如下：在自然鄰居概念的基礎上提出了局部核心點、準聚類中心、自然核心點等概念；在局部核心點、準聚類中心和自然核心點概念的基礎上提出了適用於復雜流形結構數據集的基於中心的聚類算法、層次的聚類算法和小生成樹聚類算法；對聚類評價標準概念及其現狀進行分析，並提出了新的適用於復雜流形數據的聚類評價標準；還提出了無參的離群點檢測算法，並利用互為領域圖的信息，提出了離群簇檢測算法。《基於自然鄰居的聚類分析和離群檢測算法研究》可供具有一定數據挖掘基礎，並對聚類離群感興趣的學生和研究者參考。

第1章 緒論
1．1 數據挖掘的研究背景和意義
1．2 聚類分析和離群檢測的研究現狀
1．2．1 聚類分析研究現狀
1．2．2 離群檢測研究現狀
1．3 本章小結

第2章 聚類分析和離群檢測
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 聚類結果評估
2．2 離群檢測
2．2．1 離群的定義
2．2．2 離群檢測算法概述
2．2．3 離群檢測評價
2．3 本章小結

第3章 基於自然鄰居的局部核心點和準聚類中心
3．1 自然鄰居
3．2 基於自然鄰居的局部核心點
3．3 準聚類中心及自然核心點
3．3．1 準聚類中心
3．3．2 自然核心點
3．4 本章小結

第4章 基於中心的聚類算法
4．1 現有的基於中心的聚類算法存在的問題
4．2 基於局部核心點的DP算法DPI．ORE
4．2．1 基於局部核心點的DP算法基本思想
4．2．2 實驗結果及分析
4．3 基於準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算法實驗及分析
4．4 本章小結

第5章 層次聚類算法
5．1 現有的層次聚類算法存在的不足
5．2 基於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 實驗及分析
5．3 基於局部核心點的層次聚類算法Hi-CLUBS
5．3．1 HCLORE算法基本思想
5．3．2 實驗及分析
5．4 基於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 實驗及分析
5．5 本章小結

第6章 最小生成樹聚類算法
6．1 基於最小生成樹的聚類算法存在的問題
6．2 基於局部核心點的最小生成樹算法LORE-MST
6．2．1 LORE-MST算法基本思想
6．2．2 實驗及分析
6．3 基於自然核心點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 實驗分析
6．4 本章小結

第7章 聚類結果內部評估方法
7．1 現有的聚類結果內部評估方法存在的不足
7．2 基於局部核心點的聚類結果評估方法
7．2．1 局部核心點之間基於圖的距離
7．2．2 LCCV指標
7．2．3 LCCV指標分析
7．2．4 基於LCCV指標的層次聚類算法
7．3 實驗結果及分析
7．3．1 人工數據集上的實驗結果
7．3．2 真實數據集上的實驗結果
7．3．3 LCCV指標與其他聚類算法結合的實驗結果
7．4 討論
7．4．1 局部核心點的合理性
7．4．2 噪聲點的影響
7．5 本章小結

第8章 離群檢測
8．1 現有離群檢測算法分析
8．2 基於自然鄰居的無參離群檢測算法NOF
8．2．1 NOF算法及相關定義
8．2．2 實驗結果及分析
8．3 基於互為鄰域圖的離群簇檢測算法ROCF
8．3．1 ROCF算法及相關定義
8．3．2 實驗結果及分析
8．4 本章小結

第9章 總結和展望
9．1 總結
9．2 展望
參考文獻
索引