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

基于空间数据的聚类DLIS-R树算法研究

摘要第5-6页
Abstract第6-7页
第一章 绪论第11-17页
    1.1 研究背景及意义第11-13页
        1.1.1 背景介绍第11页
        1.1.2 研究意义第11-13页
    1.2 国内外研究现状第13-14页
    1.3 主要研究内容及创新点第14-15页
    1.4 本文结构安排第15-17页
第二章 空间数据索引技术概述第17-33页
    2.1 空间数据及索引结构特征第17-19页
        2.1.1 空间数据的特征第17页
        2.1.2 空间索引结构的特征第17-19页
    2.2 空间索引结构的发展和分类第19-21页
        2.2.1 空间索引结构的发展第19页
        2.2.2 空间索引结构主要门类第19-21页
    2.3 主流的空间索引结构第21-24页
        2.3.1 基于网格的空间索引第21-22页
        2.3.2 基于K-D树的空间索引第22-23页
        2.3.3 基于R树的空间索引第23-24页
    2.4 R树相关算法第24-31页
        2.4.1 MBR定义第24-25页
        2.4.2 R树节点插入算法第25-28页
        2.4.3 R树节点删除算法第28-31页
    2.5 本章小结第31-33页
第三章 基于改进K-means聚类算法的R树构建方法第33-45页
    3.1 空间聚类算法第33-36页
        3.1.1 常见的空间聚类算法第33-34页
        3.1.2 K-means聚类算法第34-36页
        3.1.3 K-means聚类算法的优缺点第36页
    3.2 基于点模式分析的K-means聚类算法第36-40页
        3.2.1 空间单点模式分析第36-38页
        3.2.2 基于单点模式分析的K-means算法第38-40页
    3.3 基于点模式分析的K-means聚类算法R树索引结构构建第40-42页
    3.4 性能分析第42-44页
        3.4.1 时间复杂度第42-43页
        3.4.2 I/O性能分析第43-44页
    3.5 本章小结第44-45页
第四章 聚类DLIS-R树的构建方法第45-57页
    4.1 多维拓扑结构第45-48页
        4.1.1 多维拓扑结构第45-47页
        4.1.2 多维拓扑结构的数学表达第47-48页
    4.2 K近邻查询第48-49页
        4.2.1 相关定义第48页
        4.2.2 近邻度量表示第48-49页
    4.3 双层树形结构索引构建第49-55页
        4.3.1 单层索引结构不足第49-50页
        4.3.2 聚类DLIS-R树索引结构第50-52页
        4.3.3 聚类DLIS-R树索引结构数据更新讨论第52-53页
        4.3.4 算法性能分析第53-55页
    4.4 本章小结第55-57页
第五章 算法实现及验证第57-75页
    5.1 K-means算法改进实验测试结果第57-63页
        5.1.1 随机数据实验第57-62页
        5.1.2 实际数据实验第62-63页
    5.2 基于改进K-means聚类R树实验测试结果第63-68页
        5.2.1 随机数据实验第63-66页
        5.2.2 实际数据实验第66-68页
    5.3 基于改进K-means聚类DLIS-R树实验测试结果第68-74页
        5.3.1 随机数据实验第68-71页
        5.3.2 实际数据实验第71-74页
    5.4 本章小结第74-75页
第六章 总结与展望第75-77页
    6.1 总结第75-76页
    6.2 展望第76-77页
致谢第77-79页
参考文献第79-85页
附录A (攻读硕士学位期间主要成果)第85-87页
附录B 源代码第87-100页
    附录B.1 节点插入算法核心代码第87-90页
    附录B.2 节点删除算法核心代码第90-92页
    附录B.3 K-means聚类算法主要改进核心代码第92-93页
    附录B.4 改进聚类R树和聚类DLIS-R树性能仿真第93-95页
    附录B.5 KNN近邻查询主要代码第95-96页
    附录B.6 重叠率相关核心代码第96-98页
    附录B.7 暴力遍历法代码第98-99页
    附录B.8 部分测试结果截图第99-100页

论文共100页,点击 下载论文
上一篇:基于事件链结构中文新闻事件关联关系识别方法研究
下一篇:基于IFML的跨平台移动应用界面的模型转换研究