| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 课题研究的背景及意义 | 第7-8页 |
| 1.2 国内外的研究现状 | 第8-9页 |
| 1.3 本文研究的主要内容与组织架构 | 第9-12页 |
| 第2章 离群点检测与聚类分析 | 第12-22页 |
| 2.1 离群点检测 | 第12-15页 |
| 2.1.1 离群点定义以及其形成的原因 | 第12-13页 |
| 2.1.2 离群点检测算法分类 | 第13-15页 |
| 2.2 聚类算法 | 第15-19页 |
| 2.2.1 数据挖掘的概念 | 第15-16页 |
| 2.2.2 聚类分析的本质 | 第16-17页 |
| 2.2.3 聚类分析算法介绍 | 第17-19页 |
| 2.3 轨迹数据的概念 | 第19-21页 |
| 2.3.1 轨迹数据的产生背景 | 第19-20页 |
| 2.3.2 轨迹数据的获取方式 | 第20页 |
| 2.3.3 轨迹数据的基本形式 | 第20-21页 |
| 2.3.4 本文研究的数据源的数据形态 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于网格概率的离群点检测 | 第22-30页 |
| 3.1 网格划分及隶属率 | 第22-24页 |
| 3.2 算法思想及说明 | 第24-25页 |
| 3.3 实验性能测试 | 第25-29页 |
| 3.3.1 实验数据预处理 | 第25页 |
| 3.3.2 实验过程 | 第25-27页 |
| 3.3.3 实验结果分析 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于临近基站模型的聚类算法 | 第30-55页 |
| 4.1 临近基站模型 | 第30-38页 |
| 4.1.1 NBSS模型的提出 | 第30-32页 |
| 4.1.2 "繁华度"讨论 | 第32-36页 |
| 4.1.3 动态时间取值 | 第36-38页 |
| 4.2 DBSCAN聚类算法 | 第38-46页 |
| 4.2.1 DBSCAN密度聚类算法原理 | 第38-41页 |
| 4.2.2 DBSCAN算法描述 | 第41-42页 |
| 4.2.3 实验：DBSCAN聚类算法在基站校正中的应用 | 第42-46页 |
| 4.3 基于临近基站模型的聚类算法 | 第46-51页 |
| 4.3.1 算法描述 | 第46-47页 |
| 4.3.2 实验：基于临近基站模型的聚类算法在基站校正中的应用 | 第47-51页 |
| 4.4 两种算法的实验结果对比分析 | 第51-54页 |
| 4.4.1 位置精度分析 | 第51-53页 |
| 4.4.2 时间复杂度 | 第53页 |
| 4.4.3 算法的优缺点 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 论文工作总结 | 第55页 |
| 5.2 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
| 附录1 攻读硕士学位期间发表的论文 | 第60页 |