| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-11页 |
| ·研究背景与意义 | 第8-9页 |
| ·论文主要工作 | 第9页 |
| ·课题的研究价值和意义 | 第9-10页 |
| ·论文结构 | 第10-11页 |
| 第二章 数据挖掘和聚类算法分析 | 第11-30页 |
| ·数据挖掘概述 | 第11-16页 |
| ·数据挖掘概念 | 第11-12页 |
| ·数据挖掘过程 | 第12-15页 |
| ·数据挖掘的功能 | 第15-16页 |
| ·聚类算法综述 | 第16-25页 |
| ·划分方法(Partitioning methods) | 第17-19页 |
| ·层次方法(Hierarchical methods) | 第19-20页 |
| ·基于网格的方法(grid-based methods) | 第20-21页 |
| ·基于模型的方法(model-based methods) | 第21-23页 |
| ·基于密度的聚类(density-based methods) | 第23-25页 |
| ·孤立点检测算法和边界模式检测算法 | 第25-28页 |
| ·LOF算法 | 第26-27页 |
| ·ODIN算法 | 第27-28页 |
| ·边界点检测算法 BORDER | 第28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于网格的高效 DBSCAN算法 | 第30-41页 |
| ·背景 | 第30页 |
| ·GBDBSCAN算法的设计与实现 | 第30-34页 |
| ·边界点简介 | 第30-31页 |
| ·GbDBSCAN算法介绍 | 第31-33页 |
| ·聚类的边界点处理技术 | 第33-34页 |
| ·实验结果 | 第34-40页 |
| ·时间复杂度分析 | 第34-35页 |
| ·效率分析 | 第35-36页 |
| ·实验结果 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于统计信息的聚类边界模式检测算法 | 第41-54页 |
| ·引言 | 第41页 |
| ·相关工作 | 第41-42页 |
| ·BOURN算法 | 第42-44页 |
| ·定义 | 第42-43页 |
| ·算法描述 | 第43-44页 |
| ·实验结果及分析 | 第44-53页 |
| ·时间复杂度分析 | 第45页 |
| ·边界度验证 | 第45-47页 |
| ·实验结果 | 第47-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 结论及进一步工作 | 第54-56页 |
| ·全文总结 | 第54-55页 |
| ·工作展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间发表论文情况 | 第60页 |
