LED的信息提取与参量分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究的目的与意义 | 第9-10页 |
| 1.2 数据挖掘的应用 | 第10-11页 |
| 1.3 数据挖掘过程 | 第11-12页 |
| 1.4 数据挖掘的发展状况 | 第12-13页 |
| 1.5 本课题主要工作和内容安排 | 第13-15页 |
| 第二章 LED 及相关色温 | 第15-19页 |
| 2.1 LED 简介 | 第15-17页 |
| 2.1.1 LED 的发光原理 | 第15-16页 |
| 2.1.2 LED 的优点 | 第16页 |
| 2.1.3 LED 的应用 | 第16-17页 |
| 2.2 相关色温 | 第17-19页 |
| 第三章 曲线拟合与函数逼近 | 第19-31页 |
| 3.1 曲线拟合与函数逼近简介 | 第19-20页 |
| 3.1.1 曲线拟合的最小二乘法 | 第19页 |
| 3.1.2 曲线拟合与函数逼近 | 第19-20页 |
| 3.2 傅立叶逼近 | 第20-22页 |
| 3.2.1 傅立叶逼近算法简介 | 第20页 |
| 3.2.2 傅里叶逼近结果分析 | 第20-22页 |
| 3.3 高斯逼近 | 第22-23页 |
| 3.3.1 高斯逼近的基本原理 | 第22页 |
| 3.3.2 高斯逼近结果分析 | 第22-23页 |
| 3.4 多形式逼近 | 第23-24页 |
| 3.4.1 多形式逼近的基本原理 | 第23页 |
| 3.4.2 多形式逼近结果分析 | 第23-24页 |
| 3.5 正弦曲线逼近 | 第24-26页 |
| 3.5.1 正弦曲线逼近的基本原理 | 第24-25页 |
| 3.5.2 正弦曲线逼近结果分析 | 第25-26页 |
| 3.6 结果分析 | 第26-31页 |
| 3.6.1 方差分析 | 第26-27页 |
| 3.6.2 回归分析 | 第27-31页 |
| 第四章 聚类 | 第31-43页 |
| 4.1 聚类分析简介 | 第31-32页 |
| 4.1.1 聚类分析简介 | 第31页 |
| 4.1.2 聚类分析的应用 | 第31-32页 |
| 4.2 系统聚类 | 第32-36页 |
| 4.2.1 算法介绍 | 第32-35页 |
| 4.2.2 聚类结果 | 第35-36页 |
| 4.3 K-均值聚类 | 第36-38页 |
| 4.3.1 算法介绍 | 第36-37页 |
| 4.3.2 聚类结果 | 第37-38页 |
| 4.4 快速聚类 | 第38-39页 |
| 4.4.1 算法介绍 | 第38-39页 |
| 4.4.2 聚类结果 | 第39页 |
| 4.5 模糊 C-均值聚类 | 第39-43页 |
| 4.5.1 算法介绍 | 第39-40页 |
| 4.5.2 结果分析 | 第40-43页 |
| 第五章 SPSS 验证 | 第43-51页 |
| 5.1 SPSS 软件简介 | 第43-45页 |
| 5.1.1 SPSS 软件简介 | 第43页 |
| 5.1.2 SPSS 软件特点 | 第43-45页 |
| 5.2 利用 SPSS 软件验证 K-均值聚类 | 第45-51页 |
| 5.2.1 验证步骤 | 第45-48页 |
| 5.2.2 结果分析 | 第48-51页 |
| 第六章 实现可视化 | 第51-59页 |
| 6.1 Visual Studio 简介 | 第51-52页 |
| 6.1.1 Visual Studio 简介 | 第51页 |
| 6.1.2 .NET 及 C | 第51-52页 |
| 6.2 可视化的实现 | 第52-59页 |
| 第七章 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间所取得的相关科研成果 | 第67-68页 |
