Trang bìa
Trang tên
LỜI CAM ĐOAN
LỜI CẢM ƠN
MỤC LỤC
DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
DANH MỤC BẢNG BIỂU
DANH MỤC HÌNH VẼ, ĐỒ THỊ
LỜI MỞ ĐẦU
CHƯƠNG 1. TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU
1.1. Quá trình khám phá tri thức trong cơ sở dữ liệu
1.2. Tính liên ngành của khai phá dữ liệu
1.3. Các bài toán khai phá dữ liệu điển hình
1.4. Các dạng dữ liệu có thể khai phá dữ liệu
1.5. Hướng tiếp cận và kỹ thuật chính trong khai phá dữ liệu
1.6. Ứng dụng của khai phá dữ liệu
1.7. Các thách thức trong KPTT và KPDL
CHƯƠNG 2. PHÂN CỤM DỮ LIỆU
2.1. Bài toán phân cụm dữ liệu
2.2. Các giai đoạn của quá trình phân cụm dữ liệu
2.3. Ứng dụng của phân cụm dữ liệu
2.4. Các kiểu dữ liệu và độ đo tƣơng tự
2.4.1. Kiểu thuộc tính nhị phân (Binary)
2.4.2. Kiểu thuộc tính khoảng (Interval)
2.4.3. Kiểu thuộc tính định danh (nominal)
2.4.4. Kiểu thuộc tính có thứ tự (Ordinal)
2.4.5. Kiểu thuộc tính tỉ lệ (Ratio)
2.4.6. Kiểu thuộc tính trộn (Mixed)
2.5. Các kỹ thuật tiếp cận phân cụm dữ liệu
2.5.1. Phương pháp phân cụm phân hoạch
2.5.2. Phương pháp phân cụm phân cấp
2.5.3. Phương pháp phân cụm dựa trên mật độ
2.5.4. Phương pháp phân cụm dựa trên lướ
2.5.5. Phương pháp phân cụm dựa trên mô hình
2.5.6. Phương pháp phân cụm có dữ liệu ràng buộc
2.6. Yêu cầu đối với các thuật toán phân cụm dữ liệu
CHƯƠNG 3. CÁC THUẬT TOÁN PHÂN CỤM DỮ LIỆU ĐIỂN HÌNH
3.1. Các thuật toán phân cụm phân hoạch
3.1.1. Thuật toán k-means
3.1.2. Thuật toán PAM
3.1.3. Thuật toán CLARA
3.1.4. Thuật toán CLARANS
3.2. Các thuật toán phân cụm phân cấp
3.2.1. Thuật toán BIRCH
3.2.2. Thuật toán CURE
3.3. Các thuật toán phân cụm dựa trên mật độ
3.3.1. Thuật toán DBSCAN
3.3.2. Thuật toán OPTICS
3.3.3. Thuật toán DENCLUE
3.4. Các thuật toán phân cụm dựa trên lƣới
3.4.1. Thuật toán STING
3.4.2. Thuật toán CLIQUE
3.4.3. Thuật toán WaveCluster
3.5. Phân cụm dựa trên mô hình
3.5.1. Thuật toán EM
3.6. Các thuật toán phân cụm dữ liệu kiểu hạng mục
3.6.1. Thuật toán k-modes
3.6.2. Thuật toán ROCK
3.6.3. Thuật toán STIRR
3.6.4. Thuật toán CACTUS
3.7. Phân cụm dữ liệu hỗn hợp
3.7.1. Cơ sở toán học
3.7.2. Thuật toán k-prototypes
CHƯƠNG 4. PHÂN CỤM DỮ LIỆU MỜ
4.1. Giới thiệu
4.2. Thuật toán FCM
4.2.1. Hàm mục tiêu
4.2.2. Thuật toán FCM
4.3. Thuật toán FCM
4.3.1. Hàm mục tiêu
4.3.2. Thuật toán FCM
4.4. Một số kết quả thử nghiệm
4.4.1. Thí nghiệm dữ liệu có ngoại lai
4.4.2. Phân cụm dữ liệu các nhóm có ngoại lai và xếp chồng dữ liệu
KẾT LUẬN
TÀI LIỆU THAM KHẢO