| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·聚类分析的研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·基于静态高维数据的国内外研究现状 | 第11-13页 |
| ·基于动态高维数据流的国内外研究现状 | 第13-14页 |
| ·课题的主要研究内容 | 第14-15页 |
| ·本文的结构安排 | 第15-16页 |
| 第2章 高维聚类分析的相关概念与技术 | 第16-22页 |
| ·高维数据聚类 | 第16-18页 |
| ·高维数据的特点 | 第16页 |
| ·高维数据下传统聚类算法性能分析 | 第16-17页 |
| ·高维数据聚类技术 | 第17-18页 |
| ·经典子空间聚类算法 | 第18-21页 |
| ·子空间聚类原理 | 第18-19页 |
| ·CLIQUE 算法 | 第19-20页 |
| ·PROCLUS 算法 | 第20-21页 |
| ·HPStream 算法 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于密度和簇事务树的高维数据子空间聚类算法 | 第22-36页 |
| ·引言 | 第22-23页 |
| ·问题定义 | 第23-26页 |
| ·基本概念和定义 | 第23-24页 |
| ·簇事务树定义 | 第24-26页 |
| ·簇事务树的构建 | 第26-31页 |
| ·向下扩展维度的确定 | 第26-28页 |
| ·CT-tree 的构建过程 | 第28-31页 |
| ·基于密度和簇事务树的子空间聚类算法 | 第31-35页 |
| ·局部密度阈值的确定 | 第31-32页 |
| ·剩余数据对象的处理 | 第32-33页 |
| ·DCTSCA 算法框架 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于网格密度和属性相关性的高维数据流子空间聚类算法 | 第36-48页 |
| ·引言 | 第36-37页 |
| ·问题的描述及定义 | 第37-40页 |
| ·基于网格密度和属性相关性的高维数据流子空间聚类算法 | 第40-47页 |
| ·去除冗余属性 | 第40-41页 |
| ·属性相关性度量 | 第41-42页 |
| ·网格密度的聚类方法 | 第42-43页 |
| ·GDRH-Stream 算法框架 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 算法实现与实验结果 | 第48-56页 |
| ·DCTSCA 算法的实现与实验结果分析 | 第48-51页 |
| ·环境及数据集的设置 | 第48页 |
| ·实验结果分析 | 第48-51页 |
| ·GDRH-Stream 算法的实现与实验结果分析 | 第51-55页 |
| ·环境及数据集设置 | 第51页 |
| ·实验结果分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |
