| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景 | 第10-12页 |
| 1.2 课题研究现状及发展趋势 | 第12-15页 |
| 1.2.1 滑坡预测研究现状 | 第12-13页 |
| 1.2.2 聚类算法研究现状 | 第13-14页 |
| 1.2.3 不确定数据研究现状 | 第14-15页 |
| 1.3 论文研究意义及内容 | 第15-16页 |
| 1.3.1 研究意义 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章 不确定数据与聚类算法概述 | 第18-29页 |
| 2.1 不确定数据概述 | 第18-19页 |
| 2.1.1 不确定数据定义 | 第18页 |
| 2.1.2 不确定数据产生原因 | 第18-19页 |
| 2.1.3 不确定数据处理技术 | 第19页 |
| 2.2 聚类算法概述 | 第19-23页 |
| 2.2.1 聚类的定义 | 第20页 |
| 2.2.2 聚类的过程 | 第20-21页 |
| 2.2.3 相似性度量方法 | 第21-22页 |
| 2.2.4 传统聚类算法分类 | 第22-23页 |
| 2.3 密度聚类算法 | 第23-28页 |
| 2.3.1 密度聚类算法相关概念 | 第23-24页 |
| 2.3.2 OPTICS聚类算法 | 第24-26页 |
| 2.3.3 CFSFDP聚类算法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 不确定NNSB-OPTICS聚类算法在滑坡数据中的研究与应用 | 第29-41页 |
| 3.1 不确定数据处理 | 第29-30页 |
| 3.2 OPTICS-PLUS聚类算法介绍 | 第30-31页 |
| 3.3 改进的NNSB-OPTICS算法 | 第31-32页 |
| 3.3.1 NNSB-OPTICS算法设计 | 第31-32页 |
| 3.3.2 NNSB-OPTICS算法性能分析 | 第32页 |
| 3.4 不确定NNSB-OPTICS聚类算法设计 | 第32-33页 |
| 3.5 仿真实验 | 第33-36页 |
| 3.5.1 实验环境 | 第33-34页 |
| 3.5.2 实验设计与结果分析 | 第34-36页 |
| 3.6 实例应用 | 第36-40页 |
| 3.6.1 数据来源及数据预处理 | 第36-37页 |
| 3.6.2 不确定NNSB-OPTICS滑坡预测模型构建 | 第37-38页 |
| 3.6.3 Kappa系数 | 第38页 |
| 3.6.4 滑坡灾害预测精度比较分析 | 第38-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第四章 不确定KDEB-PDCA聚类算法在滑坡数据中的研究与应用 | 第41-52页 |
| 4.1 基于层次与密度的任意形状聚类算法 | 第41-42页 |
| 4.2 改进的KDEB-PDCA聚类算法 | 第42-46页 |
| 4.2.1 密度峰值点选取 | 第42-44页 |
| 4.2.2 聚类过程 | 第44-46页 |
| 4.2.3 KDEB-PDCA算法性能分析 | 第46页 |
| 4.3 不确定KDEB-PDCA聚类算法设计 | 第46-47页 |
| 4.4 仿真实验 | 第47-49页 |
| 4.4.1 实验环境 | 第47页 |
| 4.4.2 实验设计与结果分析 | 第47-49页 |
| 4.5 实例应用 | 第49-51页 |
| 4.5.1 数据来源及数据预处理 | 第49-50页 |
| 4.5.2 不确定KDEB-PDCA滑坡预测模型构建 | 第50页 |
| 4.5.3 滑坡预测精度评价分析与比较 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文总结 | 第52-53页 |
| 5.2 研究展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间的研究成果 | 第58-59页 |
