基于空间几何特征的分割聚类法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 引言 | 第10-13页 |
| ·分割聚类算法的研究背景与研究意义 | 第10-12页 |
| ·分割聚类算法的研究背景 | 第10-12页 |
| ·分割聚类法的研究意义 | 第12页 |
| ·论文组织结构 | 第12-13页 |
| 2 数据挖掘与聚类算法介绍 | 第13-24页 |
| ·数据挖掘概述 | 第13-16页 |
| ·数据挖掘概念 | 第13-14页 |
| ·数据挖掘过程 | 第14-15页 |
| ·数据挖掘的功能 | 第15-16页 |
| ·聚类算法介绍 | 第16-23页 |
| ·聚类分析概念 | 第16页 |
| ·动态聚类算法 | 第16-18页 |
| ·基于密度的聚类方法 | 第18-19页 |
| ·基于网格的聚类方法 | 第19-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于参考点的 k-均值算法 | 第24-32页 |
| ·背景知识介绍 | 第24-28页 |
| ·k-均值算法 | 第24-27页 |
| ·密度最大的聚类算法 | 第27页 |
| ·最大最小聚类算法 | 第27-28页 |
| ·基于参考点的 k-均值算法 | 第28-30页 |
| ·初始参考点的选取 | 第28-29页 |
| ·基于参考点的 k-均值算法 | 第29-30页 |
| ·算法性能分析 | 第30-32页 |
| 4 网格密度最大的近邻聚类法 | 第32-36页 |
| ·背景知识介绍 | 第32-34页 |
| ·近邻聚类法 | 第32-33页 |
| ·基于网格的聚类算法 | 第33-34页 |
| ·网格密度最大的近邻聚类法 | 第34-35页 |
| ·网格密度最大近邻聚类法算法 | 第34页 |
| ·算法步骤 | 第34-35页 |
| ·实验结果以及算法分析 | 第35-36页 |
| 5 全文研究总结 | 第36-37页 |
| ·本论文研究总结 | 第36页 |
| ·划分聚类算法有待提高方面及研究展望 | 第36-37页 |
| 参考文献 | 第37-39页 |
| 附录 A | 第39-40页 |
| 致谢 | 第40页 |
