首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于DBSCAN的空间聚类算法研究与实现

摘要第3-4页
Abstract第4页
第一章 绪论第7-12页
    1.1 研究背景与研究意义第7-9页
        1.1.1 研究背景第7-8页
        1.1.2 研究意义第8-9页
    1.2 课题研究现状第9-10页
    1.3 本文的主要工作第10页
    1.4 论文组织结构第10-12页
第二章 相关理论与技术第12-20页
    2.1 空间聚类第12-14页
        2.1.1 空间聚类定义第12页
        2.1.2 空间聚类分析的相关技术第12-14页
    2.2 DBSCAN算法第14-16页
        2.2.1 DBSAN算法中的相关定义第14-15页
        2.2.2 DBSCAN算法的描述第15-16页
    2.3 FDBSCAN算法第16-18页
    2.4 St-DBSCAN算法第18-19页
        2.4.1 St-DBSCAN算法的相关定义第18-19页
        2.4.2 St-DBSCAN算法的描述第19页
    2.5 本章小结第19-20页
第三章 基于象限划分邻近点方法改进DBSCAN算法第20-31页
    3.1 核心点象限划分邻近点改进的理论基础第20-25页
        3.1.1 相关定义第20-22页
        3.1.2 象限划分邻近点的理论推导第22-25页
    3.2 象限划分邻近点DBSCAN算法思想第25-27页
    3.3 象限划分邻近点DBSCAN算法描述第27-29页
    3.4 QD-DBSCAN算法性能分析第29-30页
    3.5 本章小结第30-31页
第四章 基于核心点重心转移改进的空间聚类St-DBSCAN算法第31-43页
    4.1 重心点密度转移的理论基础第31-35页
        4.1.1 相关定义第31-33页
        4.1.2 重心点转移的理论推导第33-35页
    4.2 邻近点重心密度转移第35-39页
        4.2.1 密度倾斜出现的情形第35-36页
        4.2.2 密度倾斜的处解决方案第36-39页
    4.3 重心点密度转移的St-DBSCAN算法描述第39-41页
    4.4 改进后St-DBSCAN算法性能分析第41-42页
    4.5 本章小结第42-43页
第五章 算法性能测试第43-52页
    5.1 算法实现和测试的环境第43页
    5.2 实验数据集说明第43页
    5.3 DBSCAN改进算法的性能测试第43-48页
        5.3.1 DBSCAN改进算法的时间性能对比第43-45页
        5.3.2 算法的丢失点个数的对比第45-48页
    5.4 ST-DBSCAN改进算法性能测试第48-51页
        5.4.1 ST-DBSCAN改进算法的时间性能对比第48-49页
        5.4.2 St-DBSCAN算法的聚类效果对比第49-51页
    5.5 本章小结第51-52页
第六章 总结与展望第52-54页
    6.1 工作总结第52页
    6.2 工作展望第52-54页
参考文献第54-57页
致谢第57页

论文共57页,点击 下载论文
上一篇:江西电力职业技术学院教科研管理系统分析与设计
下一篇:基于模式融合挖掘巨型频繁空间co-location模式