空间聚类算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·数据挖掘概述 | 第11-12页 |
| ·数据挖掘定义 | 第11页 |
| ·数据挖掘的起源及发展 | 第11-12页 |
| ·数据挖掘任务 | 第12页 |
| ·数据挖掘的挑战 | 第12-13页 |
| ·数据挖掘的研究现状 | 第13-14页 |
| ·论文的研究目的及组织结构 | 第14-16页 |
| 第二章 空间聚类背景及其相关工作 | 第16-27页 |
| ·空间聚类 | 第16-19页 |
| ·聚类概述 | 第16-17页 |
| ·主要聚类方法的分类 | 第17-18页 |
| ·高维数据集的聚类算法 | 第18-19页 |
| ·可伸缩的聚类算法 | 第19页 |
| ·空间索引 | 第19-22页 |
| ·空间索引的需求 | 第20页 |
| ·空间索引技术的分类 | 第20-22页 |
| ·SR-Tree索引 | 第22页 |
| ·分布式数据挖掘 | 第22-26页 |
| ·分布式数据挖掘概述 | 第22-23页 |
| ·分布式数据挖掘体系结构 | 第23-25页 |
| ·分布式数据挖掘算法 | 第25-26页 |
| ·分布式数据挖掘面临的问题 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 启发式选择边界对象的快速空间聚类算法 | 第27-37页 |
| ·相关工作和基本概念 | 第27-28页 |
| ·相关工作 | 第27-28页 |
| ·基本概念 | 第28页 |
| ·DBSB算法 | 第28-34页 |
| ·DBSB算法思想与框架 | 第28-29页 |
| ·DBSB算法的相关定义 | 第29-30页 |
| ·关键参数λ的自动确定 | 第30-31页 |
| ·DBSB算法描述 | 第31-33页 |
| ·通过共享的边界对象合并簇 | 第33页 |
| ·DBSB算法的理论分析和时空复杂度分析 | 第33-34页 |
| ·性能分析 | 第34-35页 |
| ·聚类准确性 | 第34页 |
| ·效率的比较 | 第34-35页 |
| ·算法的扩展 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 分布式反向k近邻的高维空间聚类 | 第37-48页 |
| ·相关工作 | 第37-38页 |
| ·分布式聚类算法框架 | 第38-40页 |
| ·理论基础 | 第40-44页 |
| ·k近邻与反向k近邻 | 第40-41页 |
| ·反向k近邻求解算法 | 第41-44页 |
| ·DCRkNN算法 | 第44-46页 |
| ·局部数据集代表数据点的生成 | 第44-45页 |
| ·全局模型的生成 | 第45-46页 |
| ·更新局部模型 | 第46页 |
| ·性能分析 | 第46页 |
| ·算法的改进 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·本文总结 | 第48页 |
| ·下一步工作展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
