基于云模型和数据场的聚类研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究现状及发展趋势 | 第10-12页 |
| 1.2.1 国内外研究现状 | 第10-12页 |
| 1.2.2 发展趋势 | 第12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 聚类分析 | 第15-24页 |
| 2.1 聚类过程 | 第15-16页 |
| 2.2 常用聚类算法介绍 | 第16-19页 |
| 2.2.1 基于划分的聚类 | 第16-17页 |
| 2.2.2 基于密度的聚类 | 第17页 |
| 2.2.3 基于层次的聚类 | 第17-18页 |
| 2.2.4 基于网格的聚类 | 第18页 |
| 2.2.5 基于模型的聚类 | 第18-19页 |
| 2.3 相似性度量 | 第19-20页 |
| 2.4 聚类算法的评价 | 第20-23页 |
| 2.4.1 聚类典型要求 | 第20-21页 |
| 2.4.2 内部评价 | 第21页 |
| 2.4.3 外部评价 | 第21-22页 |
| 2.4.4 相对评价 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 云模型与数据场概述 | 第24-33页 |
| 3.1 云模型 | 第24-27页 |
| 3.1.1 云 | 第24页 |
| 3.1.2 数字特征 | 第24-25页 |
| 3.1.3 正态云及其普适性 | 第25页 |
| 3.1.4 常用算法 | 第25-26页 |
| 3.1.5 云相似度 | 第26-27页 |
| 3.2 数据场 | 第27-32页 |
| 3.2.1 数据场的引入 | 第27-28页 |
| 3.2.2 数据场改进 | 第28-29页 |
| 3.2.3 数据场性质 | 第29-30页 |
| 3.2.4 数据势场 | 第30-32页 |
| 3.3 本章小节 | 第32-33页 |
| 第四章 基于数据场的聚类算法 | 第33-39页 |
| 4.1 聚类算法思想 | 第33页 |
| 4.2 参数 σ 的选取 | 第33-35页 |
| 4.3 聚类中心 | 第35-36页 |
| 4.4 特征提取 | 第36-37页 |
| 4.5 算法的主要步骤 | 第37-38页 |
| 4.6 本章小结 | 第38-39页 |
| 第五章 实验系统分析与设计 | 第39-46页 |
| 5.1 整体建模和功能需求 | 第39页 |
| 5.2 数据存储 | 第39-41页 |
| 5.3 算法模块设计 | 第41-43页 |
| 5.4 系统实现 | 第43-45页 |
| 5.5 本章小结 | 第45-46页 |
| 第六章 基于数据场聚类算法的实验与分析 | 第46-53页 |
| 6.1 复杂形状聚类实验结果与分析 | 第46-50页 |
| 6.1.1 复杂形状聚类实验聚类质量分析 | 第46-48页 |
| 6.1.2 聚类过程分析 | 第48-50页 |
| 6.2 高维数据集实验结果与分析 | 第50-51页 |
| 6.3 时间复杂度分析 | 第51-52页 |
| 6.4 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 在学期间发表的论文和取得的学术成果 | 第58页 |
