| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-11页 |
| ·研究内容 | 第11-12页 |
| ·论文组织结构 | 第12-14页 |
| 第二章 基于网格的聚类分析算法概述 | 第14-27页 |
| ·聚类分析概念及过程 | 第14-17页 |
| ·数据预处理 | 第14-15页 |
| ·定义相似度度量 | 第15-16页 |
| ·聚类 | 第16页 |
| ·聚类结果输出 | 第16-17页 |
| ·聚类结果解释 | 第17页 |
| ·聚类分析算法的要求及挑战 | 第17-21页 |
| ·基于网格的聚类分析算法 | 第21-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于网格的并行聚类算法:PGMCLU | 第27-44页 |
| ·算法总体框架 | 第27-28页 |
| ·重要概念 | 第28-31页 |
| ·算法详细描述 | 第31-37页 |
| ·数据分区 | 第31-33页 |
| ·构建SP-Tree | 第33-34页 |
| ·局部聚类 | 第34-35页 |
| ·局部聚类合并 | 第35-37页 |
| ·PGMCLU算法性能分析 | 第37-38页 |
| ·PGMCLU算法实验结果与性能评价 | 第38-42页 |
| ·聚类准确性分析 | 第38-40页 |
| ·相对加速比分析 | 第40-41页 |
| ·效率分析 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 基于网格的数据流聚类分析算法:GC-Stream | 第44-60页 |
| ·数据流聚类分析概述 | 第44-50页 |
| ·数据流的概念 | 第44页 |
| ·数据流聚类分析算法的特性 | 第44-45页 |
| ·数据流聚类分析算法的窗口模型 | 第45-47页 |
| ·典型的数据流聚类分析算法 | 第47-50页 |
| ·GC-Stream算法的总体框架 | 第50-51页 |
| ·GC-Stream算法的详细描述 | 第51-55页 |
| ·网格单元特征向量描述 | 第51-52页 |
| ·LSP-Tree维护和更新过程 | 第52-54页 |
| ·LSP-Tree剪枝过程 | 第54-55页 |
| ·LSP-Tree聚类过程 | 第55页 |
| ·GC-Stream算法性能分析 | 第55-56页 |
| ·GC-Stream算法实验结果与性能评价 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-63页 |
| ·论文总结 | 第60-62页 |
| ·工作展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 在学期间的研究成果 | 第66-67页 |
| 致谢 | 第67页 |