基于可拓关联函数的数据流聚类算法研究
| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 1 绪论 | 第11-20页 |
| ·研究的背景和意义 | 第11-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·本文的研究内容及创新点 | 第18页 |
| ·论文的组织结构 | 第18-20页 |
| 2 聚类方法综述 | 第20-34页 |
| ·聚类分析相关理论 | 第20-22页 |
| ·聚类的定义 | 第21页 |
| ·聚类分析的基本步骤 | 第21-22页 |
| ·传统聚类方法 | 第22-32页 |
| ·划分方法 | 第23-25页 |
| ·层次方法 | 第25-26页 |
| ·基于密度的方法 | 第26-29页 |
| ·基于网格的方法 | 第29-30页 |
| ·基于模型的方法 | 第30-32页 |
| ·传统聚类方法的比较 | 第32页 |
| ·其他聚类方法和技术 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 3 数据流聚类方法综述 | 第34-48页 |
| ·数据流聚类相关理论 | 第34-36页 |
| ·数据流的定义 | 第34-35页 |
| ·数据流聚类的含义 | 第35页 |
| ·数据流聚类算法的要求 | 第35-36页 |
| ·数据流聚类相关技术 | 第36-40页 |
| ·数据倾斜技术 | 第36-38页 |
| ·概要数据结构 | 第38-40页 |
| ·数据流聚类典型算法及比较 | 第40-47页 |
| ·STREAM 算法 | 第41页 |
| ·CluStream 算法 | 第41-44页 |
| ·HPStream 算法 | 第44页 |
| ·DenStream 算法 | 第44-45页 |
| ·D-Stream 算法 | 第45-46页 |
| ·UMicro 算法 | 第46页 |
| ·数据流聚类算法的比较 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 4 基于可拓关联函数的数据流聚类算法 | 第48-61页 |
| ·可拓学基础知识 | 第48-51页 |
| ·可拓学的理论框架 | 第48-49页 |
| ·可拓学的数学基础 | 第49-50页 |
| ·可拓数据挖掘的理论依据和方法基础 | 第50页 |
| ·可拓聚类知识挖掘的一般步骤 | 第50-51页 |
| ·本文算法的可拓学支撑概念 | 第51-54页 |
| ·物元 | 第51-52页 |
| ·距 | 第52页 |
| ·位值 | 第52页 |
| ·经典域 | 第52-53页 |
| ·节域 | 第53页 |
| ·关联函数 | 第53页 |
| ·综合关联函数 | 第53-54页 |
| ·算法概念匹配说明 | 第54页 |
| ·CABDF 算法 | 第54-56页 |
| ·问题的提出 | 第54-55页 |
| ·CABDF 算法的思想和描述 | 第55-56页 |
| ·EXCluStream 算法 | 第56-60页 |
| ·问题的提出 | 第56-57页 |
| ·EXCluStream 算法的思想和描述 | 第57-60页 |
| ·算法对离群点的处理 | 第60页 |
| ·本章小结 | 第60-61页 |
| 5 实验设计与分析 | 第61-66页 |
| ·实验环境和数据集说明 | 第61页 |
| ·CABDF 算法的实验验证 | 第61-62页 |
| ·准确率的验证 | 第61-62页 |
| ·可扩展性的验证 | 第62页 |
| ·EXCluStream 算法的实验验证 | 第62-65页 |
| ·聚类质量的验证 | 第63页 |
| ·有效性的验证 | 第63-64页 |
| ·可扩展性的验证 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| ·本文工作总结 | 第66-67页 |
| ·问题与展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻硕期间发表的科研成果目录 | 第73-74页 |
| 致谢 | 第74页 |
