| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-23页 |
| ·研究背景与意义 | 第12-13页 |
| ·研究历史与现状 | 第13-19页 |
| ·空间数据挖掘 | 第13-15页 |
| ·数据简化研究 | 第15-17页 |
| ·算法可伸缩性研究 | 第17-18页 |
| ·路网最优路径分析 | 第18-19页 |
| ·运动分割研究 | 第19页 |
| ·脉冲耦合神经网络 | 第19页 |
| ·论文的研究内容 | 第19-21页 |
| ·论文的组织安排 | 第21-23页 |
| 第二章 基于脉冲耦合神经网络的空间数据简化方法 | 第23-50页 |
| ·数据简化研究背景 | 第23-25页 |
| ·改进的PCNN 模型 | 第25-28页 |
| ·基于改进PCNN 的空间点数据简化 | 第28-37页 |
| ·边界样本的搜索过程 | 第28-31页 |
| ·设置支持值阈值参数 | 第31-36页 |
| ·数据边界搜索算法 | 第36-37页 |
| ·实验结果 | 第37-48页 |
| ·应用于回归分析 | 第37-39页 |
| ·应用于聚类分析 | 第39-41页 |
| ·应用于分类算法 | 第41-47页 |
| ·采用k-NN 分类器测试 | 第41-43页 |
| ·采用LS-SVM 分类器测试 | 第43-46页 |
| ·泛化精度比较和分析 | 第46-47页 |
| ·PCNN 数据简化算法的时间效率分析 | 第47-48页 |
| ·小结 | 第48-50页 |
| 第三章 基于预选的最小二乘支持向量机稀疏化方法 | 第50-68页 |
| ·引言 | 第50页 |
| ·SVM 与LS-SVM 模型 | 第50-56页 |
| ·SVM 的数学模型 | 第51-54页 |
| ·原空间的线性可分问题 | 第51-52页 |
| ·原空间的非线性可分问题 | 第52-54页 |
| ·LS-SVM 的数学模型 | 第54-55页 |
| ·LS-SVM 与SVM 的区别. | 第55-56页 |
| ·基于预选支持向量集的稀疏LS-SVM 方法 | 第56-60页 |
| ·实验结果 | 第60-66页 |
| ·线性可分问题 | 第61-63页 |
| ·线性不可分问题 | 第63-64页 |
| ·性能测试 | 第64-66页 |
| ·小结 | 第66-68页 |
| 第四章 基于竞争脉冲耦合神经网络的路径优化方法 | 第68-98页 |
| ·引言 | 第68-70页 |
| ·问题描述 | 第70-71页 |
| ·CPCNN 模型 | 第71-74页 |
| ·CPCNN 的基本特性 | 第74-79页 |
| ·ON-FORWARD /OFF-BACKWARD 竞争机制 | 第79-82页 |
| ·算法 | 第82-83页 |
| ·实验结果 | 第83-97页 |
| ·用模拟路网数据测试 | 第84-91页 |
| ·路径搜索实例 | 第85-87页 |
| ·搜索空间评估 | 第87-88页 |
| ·搜索效率评估 | 第88-89页 |
| ·搜索质量评估 | 第89-91页 |
| ·用真实路网数据测试 | 第91-97页 |
| ·搜索实例 | 第91-94页 |
| ·性能评估 | 第94-97页 |
| ·小结 | 第97-98页 |
| 第五章 基于双源脉冲耦合神经网络的最短路径搜索方法 | 第98-105页 |
| ·引言 | 第98页 |
| ·DSPCNN 模型 | 第98-100页 |
| ·DSPCNN 最短路径搜索 | 第100-101页 |
| ·实验结果 | 第101-103页 |
| ·搜索路径实例 | 第101-103页 |
| ·性能分析 | 第103页 |
| ·小结 | 第103-105页 |
| 第六章 基于非均匀采样密度聚类的运动分割方法 | 第105-115页 |
| ·引言 | 第105页 |
| ·运动检测及空间聚类 | 第105-107页 |
| ·基于帧差的运动检测 | 第105-106页 |
| ·基于密度的空间聚类 | 第106-107页 |
| ·基于非均匀采样密度聚类的运动分割 | 第107-111页 |
| ·非均匀采样 | 第108-110页 |
| ·基于非均匀采样的运动分割 | 第110-111页 |
| ·实验结果 | 第111-114页 |
| ·小结 | 第114-115页 |
| 第七章 结论 | 第115-117页 |
| 致谢 | 第117-118页 |
| 参考文献 | 第118-126页 |
| 攻博期间取得的研究成果 | 第126-128页 |