| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 课题背景及研究意义 | 第7-8页 |
| 1.2 国内外研究现状和发展趋势 | 第8-10页 |
| 1.3 本文研究的主要内容及组织安排 | 第10-12页 |
| 第二章 传统聚类的分析和基本思想 | 第12-22页 |
| 2.1 划分式聚类原理 | 第13-15页 |
| 2.2 基于层次聚类原理 | 第15-17页 |
| 2.3 基于密度的聚类原理 | 第17-20页 |
| 2.4 基于网格的聚类原理 | 第20-21页 |
| 2.5 基于模型的聚类原理 | 第21-22页 |
| 第三章 对大数据和高维度数据聚类方法 | 第22-34页 |
| 3.1 基于传统聚类方法对大数据的聚类 | 第22-26页 |
| 3.1.1 局部优先聚类 | 第22-24页 |
| 3.1.2 基于局部聚类的聚类融合 | 第24-26页 |
| 3.2 对高维数据空间的聚类分析 | 第26-34页 |
| 3.2.1 高维数据对传统聚类的挑战 | 第26-27页 |
| 3.2.2 维数约简的思想和方法 | 第27-32页 |
| 3.2.3 高维数据空间的子空间聚类方法 | 第32-34页 |
| 第四章 基于大数据集和高维数据空间的聚类算法设计实现 | 第34-58页 |
| 4.1 数据集合和数据空间的构建 | 第34-37页 |
| 4.2 局部优先聚类设计 | 第37-46页 |
| 4.2.1 局部优先聚类程序设计 | 第37-42页 |
| 4.2.2 实验结果 | 第42-45页 |
| 4.2.3 由局部聚类向全局大数据集聚类类别融合 | 第45-46页 |
| 4.3 聚类融合设计 | 第46-54页 |
| 4.4 高维数据空间的维数约简实现 | 第54-58页 |
| 第五章 总结与展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61页 |