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--计算机软件论文--程序设计、软件工程论文--程序设计论文

空间动态co-location模式挖掘

摘要第3-4页
Abstract第4-5页
第1章 引言第8-16页
    1.1 研究背景和意义第8-11页
        1.1.1 空间自相关的研究意义第8-9页
        1.1.2 空间动态co-location模式挖掘的研究意义第9-11页
    1.2 研究现状第11-13页
        1.2.1 空间自相关的研究现状第11-12页
        1.2.2 空间co-location模式挖掘的研究现状第12-13页
    1.3 本文的贡献第13-14页
    1.4 本文的组织结构第14页
    1.5 本章小结第14-16页
第2章 基于k-means算法的数据预处理第16-22页
    2.1 可行性分析第16页
    2.2 聚类分析简介第16-17页
    2.3 k-means聚类第17-18页
        2.3.1 k-means聚类介绍第17页
        2.3.2 k-means聚类算法第17-18页
    2.4 去除空间自相关特征的算法(ACA)第18-20页
        2.4.1 相关定义第18-19页
        2.4.2 算法思想第19页
        2.4.3 算法步骤第19-20页
    2.5 本章小结第20-22页
第3章 空间动态co-location模式挖掘算法第22-36页
    3.1 空间co-location模式挖掘的相关定义第22-24页
    3.2 空间动态co-location模式挖掘的相关定义第24-25页
    3.3 空间动态co-location模式挖掘算法第25-34页
        3.3.1 算法步骤第25-26页
        3.3.2 空间动态co-location模式挖掘算法(DJ)第26-28页
        3.3.3 算法示例第28-34页
    3.4 本章小结第34-36页
第4章 实验和分析第36-48页
    4.1 实验环境第36页
    4.2 实验数据集第36页
    4.3 去除空间自相关特征的算法(ACA)第36-41页
        4.3.1 聚类偏差值的有效性第36-38页
        4.3.2 ACA算法的有效性第38-39页
        4.3.3 空间自相关的特征对算法效率的影响第39-41页
    4.4 空间动态co-location模式挖掘算法(DJ)第41-47页
        4.4.1 DJ算法的有效性第41-42页
        4.4.2 探索性挖掘第42-44页
        4.4.3 DJ算法的性能评测第44-47页
    4.5 本章小结第47-48页
第5章 总结及展望第48-50页
    5.1 论文总结第48页
    5.2 未来研究展望第48-50页
参考文献第50-54页
致谢第54页

论文共54页,点击 下载论文
上一篇:黔南州政府公文管理系统的研究与分析
下一篇:量子点-漆酶生物传感器的构建及其在多酚检测中的应用