不确定数据流环境下聚类算法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 聚类技术概述 | 第10-11页 |
| 1.1.2 数据流 | 第11-12页 |
| 1.1.3 不确定数据产生原因 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文主要工作 | 第15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 相关工作 | 第16-32页 |
| 2.1 不确定数据模型 | 第16-18页 |
| 2.2 数据流聚类 | 第18-22页 |
| 2.2.1 单边扫描算法 | 第18-19页 |
| 2.2.2 演化算法 | 第19-22页 |
| 2.3 不确定数据聚类 | 第22-28页 |
| 2.3.1 基于划分的方法 | 第23-26页 |
| 2.3.2 基于密度的方法 | 第26-27页 |
| 2.3.3 其它方法 | 第27-28页 |
| 2.4 不确定数据流聚类 | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 基于剪枝技术的不确定数据流聚类算法 | 第32-52页 |
| 3.1 问题描述及相关定义 | 第32-36页 |
| 3.1.1 问题描述 | 第32-34页 |
| 3.1.2 相关定义 | 第34-36页 |
| 3.2 基于期望距离的聚类算法 | 第36-42页 |
| 3.2.1 期望距离的等价化 | 第36-37页 |
| 3.2.2 三角不等式剪枝策略 | 第37-39页 |
| 3.2.3 算法框架 | 第39-42页 |
| 3.2.4 时间复杂性分析 | 第42页 |
| 3.3 基于空间位置关系的聚类算法 | 第42-49页 |
| 3.3.1 微簇的聚类特征结构 | 第43-44页 |
| 3.3.2 MBR的空间位置关系 | 第44-46页 |
| 3.3.3 边界情况的优化 | 第46-47页 |
| 3.3.4 算法框架 | 第47-49页 |
| 3.4 算法的扩展 | 第49-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 实验及结果分析 | 第52-62页 |
| 4.1 实验环境与实验设计 | 第52-54页 |
| 4.1.1 实验环境 | 第52页 |
| 4.1.2 实验数据集 | 第52-53页 |
| 4.1.3 实验方案 | 第53-54页 |
| 4.2 性能分析 | 第54-60页 |
| 4.2.1 效率和有效性 | 第54-56页 |
| 4.2.2 参数影响 | 第56-59页 |
| 4.2.3 扩展性 | 第59-60页 |
| 4.3 本章小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
