| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 前言 | 第9-19页 |
| ·研究背景 | 第9-10页 |
| ·聚类方法概述 | 第10-12页 |
| ·基于划分的聚类 | 第10-11页 |
| ·层次聚类算法 | 第11页 |
| ·基于密度的聚类 | 第11页 |
| ·基于网格的聚类 | 第11页 |
| ·基于图论的聚类 | 第11页 |
| ·基于约束的聚类算法 | 第11-12页 |
| ·无预设类别数的聚类方法 | 第12-14页 |
| ·量子聚类 | 第12-13页 |
| ·AP聚类(Affinity Propagation,近邻传播聚类) | 第13页 |
| ·变色龙算法 | 第13页 |
| ·CURE算法 | 第13-14页 |
| ·K-Means算法 | 第14页 |
| ·针对大数据量的聚类方法 | 第14-17页 |
| ·BIRCH算法思想 | 第14-15页 |
| ·CACTUS算法思想 | 第15页 |
| ·K-Means算法思想 | 第15-16页 |
| ·CLARANS算法思想 | 第16-17页 |
| ·Cure算法思想 | 第17页 |
| ·本文主要内容 | 第17-19页 |
| 第2章 相关算法介绍 | 第19-25页 |
| ·引言 | 第19页 |
| ·K-Means聚类算法 | 第19-21页 |
| ·K-Means思想及其处理流程 | 第19-21页 |
| ·K-Means聚类的优点 | 第21页 |
| ·K-Means聚类的不足 | 第21页 |
| ·AP聚类算法 | 第21-24页 |
| ·AP思想及其处理流程 | 第21-23页 |
| ·AP算法的优点 | 第23页 |
| ·AP算法的不足 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 大数据量的KMAP算法 | 第25-35页 |
| ·引言 | 第25页 |
| ·算法思想及其处理流程 | 第25-26页 |
| ·复杂度分析 | 第26-27页 |
| ·实验结果 | 第27-33页 |
| ·实验环境 | 第27页 |
| ·实验数据 | 第27页 |
| ·聚类质量 | 第27-28页 |
| ·聚类结果 | 第28-32页 |
| ·运行时间 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第4章 无预设类别数的KCAP算法 | 第35-47页 |
| ·引言 | 第35页 |
| ·概念 | 第35-36页 |
| ·算法思想及其处理流程 | 第36-38页 |
| ·复杂度分析 | 第38-39页 |
| ·实验结果 | 第39-44页 |
| ·实验环境 | 第39页 |
| ·实验数据 | 第39页 |
| ·聚类结果 | 第39-44页 |
| ·运行时间 | 第44页 |
| ·本章小结 | 第44-47页 |
| 第5章 无预设类别数的大数据量聚类算法 | 第47-53页 |
| ·引言 | 第47页 |
| ·算法具体处理流程 | 第47页 |
| ·复杂度分析 | 第47-48页 |
| ·实验结果 | 第48-52页 |
| ·实验环境 | 第48页 |
| ·实验数据 | 第48页 |
| ·聚类结果 | 第48-51页 |
| ·运行时间 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第6章 总结及其展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 在读期间发表的学术论文及研究成果 | 第58-59页 |
| 致谢 | 第59页 |