基于网络优化最小树的大数据聚类分析研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究的背景及意义 | 第7-8页 |
| 1.1.1 大数据及其特点 | 第7-8页 |
| 1.1.2 大数据挖掘的意义 | 第8页 |
| 1.2 相关论题的研究现状分析 | 第8-9页 |
| 1.3 本文的研究思路和组织结构 | 第9-11页 |
| 第二章 聚类算法的概述 | 第11-19页 |
| 2.1 聚类的概念 | 第11-13页 |
| 2.1.1 聚类与分类 | 第11页 |
| 2.1.2 聚类算法 | 第11-12页 |
| 2.1.3 几种常用的聚类算法 | 第12-13页 |
| 2.2 基于层次的聚类算法 | 第13-15页 |
| 2.3 基于分割的K-Means聚类算法 | 第15-16页 |
| 2.4 基于神经网络的SOM聚类算法 | 第16-19页 |
| 第三章 图与网络分析 | 第19-27页 |
| 3.1 网络优化—图的基本概念 | 第19-22页 |
| 3.1.1 图的基本概念 | 第19-21页 |
| 3.1.2 图的矩阵表示 | 第21-22页 |
| 3.2 树 | 第22-27页 |
| 3.2.1 树的性质 | 第22-23页 |
| 3.2.2 最小生成树问题 | 第23页 |
| 3.2.3 Prime算法 | 第23-25页 |
| 3.2.4 Kruskal算法 | 第25-27页 |
| 第四章 基于网络优化最小树的聚类算法概述 | 第27-32页 |
| 4.1 引言 | 第27页 |
| 4.2 MST的聚类算法 | 第27-32页 |
| 4.2.1 网络的邻接矩阵 | 第27-28页 |
| 4.2.2 算法的描述及过程 | 第28-32页 |
| 第五章 仿真模拟分析 | 第32-38页 |
| 5.1 实验数据及环境 | 第32-33页 |
| 5.1.1 实验数据 | 第32-33页 |
| 5.1.2 实验环境 | 第33页 |
| 5.2 聚类算法仿真模拟 | 第33-36页 |
| 5.3 实验结果分析 | 第36-38页 |
| 第六章 结论与展望 | 第38-40页 |
| 6.1 本文的主要工作 | 第38页 |
| 6.2 本文的研究展望 | 第38-40页 |
| 参考文献 | 第40-42页 |
| 在学期间的研究成果 | 第42-43页 |
| 致谢 | 第43页 |
