基于聚类算法的大数据样本集优化的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·论文主要研究工作及章节分配 | 第9-11页 |
| ·主要研究工作 | 第9-10页 |
| ·论文章节分配 | 第10-11页 |
| 第二章 相关理论研究 | 第11-21页 |
| ·经典抽样体系 | 第11-14页 |
| ·抽样的基本理论 | 第11-13页 |
| ·简单随机抽样 | 第13页 |
| ·分层抽样 | 第13页 |
| ·密度偏差抽样 | 第13-14页 |
| ·抽样算法在数据挖掘中的应用 | 第14-15页 |
| ·经典聚类算法 | 第15-18页 |
| ·聚类技术基本理论 | 第15-16页 |
| ·K-means算法 | 第16-17页 |
| ·DENCLUE算法 | 第17页 |
| ·EM算法 | 第17-18页 |
| ·大规模数据集聚类算法 | 第18-20页 |
| ·基于特征概括的方法 | 第18-19页 |
| ·基于抽样的方法 | 第19-20页 |
| ·基于分布式平台的算法 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于聚类算法的样本集提取算法BKMS | 第21-29页 |
| ·算法架构设计 | 第21-24页 |
| ·理论基础 | 第24-25页 |
| ·算法描述 | 第25-27页 |
| ·算法思想 | 第25页 |
| ·算法过程 | 第25-27页 |
| ·算法分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 实验验证及分析 | 第29-36页 |
| ·实验环境 | 第29页 |
| ·实验数据 | 第29页 |
| ·实验结论及分析 | 第29-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 总结与展望 | 第36-37页 |
| ·本文工作总结 | 第36页 |
| ·下一步研究工作 | 第36-37页 |
| 致谢 | 第37-38页 |
| 参考文献 | 第38-41页 |
| 作者简介 | 第41页 |
| 攻读硕士学位期间研究成果 | 第41页 |
