首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

基于密度聚类算法及其模式评估方法的研究与实现

摘要第1-7页
ABSTRACT第7-12页
1 绪论第12-15页
   ·课题研究背景第12-13页
   ·课题研究现状及意义第13页
   ·课题主要工作第13-14页
   ·论文的结构和组织第14-15页
2 数据挖掘技术第15-24页
   ·数据挖掘的定义和数据挖掘系统的组成第15-18页
   ·数据挖掘的数据来源第18页
   ·数据挖掘功能和任务第18-20页
     ·概念/类描述:特征化和区分第18-19页
     ·关联分析第19页
     ·分类和预测第19页
     ·聚类分析第19页
     ·异常检测第19-20页
   ·数据挖掘算法的组件第20-21页
     ·评分函数第20页
     ·优化和搜索方法第20-21页
     ·数据管理策略第21页
   ·数据挖掘的主要问题第21-23页
   ·小结第23-24页
3 聚类分析技术第24-35页
   ·聚类分析的定义第25页
   ·聚类分析的数据基础第25-29页
     ·数据属性第25-26页
     ·聚类分析的数据结构第26-27页
     ·不同变量的相异度计算方式第27-29页
   ·不同的聚类类型第29-30页
   ·不同的簇类型第30-31页
   ·聚类算法的分类第31-32页
   ·聚类算法的一般特性第32-33页
   ·选用聚类算法的参考因素第33-34页
   ·小结第34-35页
4 聚类算法的改进和完善第35-66页
   ·代表性聚类算法分析第35-37页
     ·基于原型的聚类第35-36页
     ·基于密度的聚类第36页
     ·基于图的聚类第36-37页
     ·可伸缩的聚类算法第37页
   ·基于密度与对象方向的聚类算法分析第37-41页
     ·KADD 算法分析第37-39页
     ·两个输入参数的分析第39-41页
   ·传统算法和KADD 算法小结第41页
   ·算法改进方案一:引入基于网格的动态邻域半径概念第41-43页
     ·思路第41-43页
     ·程序设计第43页
     ·实验分析第43页
   ·算法改进方案二:引入密度阈值的定义第43-45页
     ·思路第43-44页
     ·程序设计第44-45页
     ·实验分析第45页
   ·算法改进方案三:基于密度与密度可达聚类算法的提出第45-59页
     ·算法思路第45-52页
     ·算法模型设计第52-53页
     ·实验分析第53-59页
   ·数据预处理工作第59-64页
     ·程序可处理文件格式要求第59页
     ·数据规范化第59-60页
     ·实验及结果分析第60-64页
   ·针对不同类型变量的算法完善第64-65页
   ·小结第65-66页
5 聚类评估方法的设计和实现第66-80页
   ·聚类评估技术研究第66-71页
     ·聚类评估概述第66-67页
     ·非监督簇评估:使用凝聚度和分离度第67-70页
     ·聚类趋势第70-71页
     ·簇有效性的监督度量第71页
   ·评估个体数据对象的方法——数据实例典型性第71-79页
     ·K-最近邻居图第72-73页
     ·数据典型性得分定义第73-75页
     ·算法实现第75-76页
     ·实验分析第76-79页
   ·小结第79-80页
6 结合模式评估方法的CADD 算法应用第80-91页
   ·SONAR 卫星数据集介绍第80页
   ·实验方法第80页
   ·结合实例典型性得分对SONAR 聚类第80-83页
   ·几种算法分类精度评估第83-84页
   ·考察结果簇方差第84-90页
     ·变量方差的定义第84-85页
     ·域方差和簇方差的定义第85-86页
     ·从方差角度考察算法性能第86-90页
   ·小结第90-91页
7 用户交互界面的设计和实现第91-94页
8 结论第94-95页
参考文献第95-99页
在学研究成果第99-100页
致谢第100页

论文共100页,点击 下载论文
上一篇:49例穿透性角膜移植术临床分析
下一篇:TPA与EG反应机理的量子化学研究