多密度聚类算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12页 |
| 1.3.1 DBSCAN算法处理多密度的相关研究 | 第12页 |
| 1.3.2 网格聚类算法处理多密度的相关研究 | 第12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 聚类算法介绍 | 第14-26页 |
| 2.1 聚类分析 | 第14-19页 |
| 2.1.1 聚类算法的要求 | 第14-15页 |
| 2.1.2 聚类算法的分类 | 第15-17页 |
| 2.1.3 聚类分析中的数据类型 | 第17-19页 |
| 2.2 经典的聚类算法 | 第19-24页 |
| 2.2.1 K-Means算法 | 第19-20页 |
| 2.2.2 CURE与BIRCH算法 | 第20-21页 |
| 2.2.3 DBSCAN算法与OPTICS算法 | 第21-23页 |
| 2.2.4 CLIQUE算法 | 第23页 |
| 2.2.5 EM算法 | 第23-24页 |
| 2.3 聚类算法性能比较 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 改进的DBSCAN多密度聚类算法 | 第26-33页 |
| 3.1 DBSCAN算法 | 第26-28页 |
| 3.1.1 DBSCAN算法的相关概念 | 第26-27页 |
| 3.1.2 DBSCAN算法步骤 | 第27页 |
| 3.1.3 DBSCAN算法存在的问题 | 第27-28页 |
| 3.2 改进的DBSCAN多密度聚类算法 | 第28-32页 |
| 3.2.1 数据预处理 | 第28页 |
| 3.2.2 自适应获取密度阈值 | 第28页 |
| 3.2.3 算法具体描述 | 第28-29页 |
| 3.2.4 算法时间复杂度分析 | 第29页 |
| 3.2.5 实验结果及分析 | 第29-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于动态的网格相对密度差聚类算法 | 第33-44页 |
| 4.1 ECRGDD算法 | 第33-34页 |
| 4.1.1 ECRGDD算法简介 | 第33页 |
| 4.1.2 ECRGDD算法存在的问题 | 第33-34页 |
| 4.2 CDGRDD算法 | 第34-42页 |
| 4.2.1 相关概念 | 第34-35页 |
| 4.2.2 网格划分方法 | 第35-36页 |
| 4.2.3 边界处理技术 | 第36-37页 |
| 4.2.4 算法具体描述 | 第37-38页 |
| 4.2.5 实验结果和分析 | 第38-42页 |
| 4.2.6 CDGRDD算法总结 | 第42页 |
| 4.3 本章小结 | 第42-44页 |
| 第五章 基于区域划分的DBSCAN多密度聚类算法 | 第44-55页 |
| 5.1 Greedy DBSCAN算法 | 第44-45页 |
| 5.1.1 半径参数的确定 | 第44页 |
| 5.1.2 簇的合并 | 第44-45页 |
| 5.1.3 Greedy DBSCAN算法的缺陷 | 第45页 |
| 5.2 基于区域划分的DBSCAN多密度聚类算法 | 第45-53页 |
| 5.2.1 网格划分 | 第45-46页 |
| 5.2.2 网格合并形成区域 | 第46-47页 |
| 5.2.3 基于区域划分的DBSCAN聚类 | 第47页 |
| 5.2.4 时间复杂度分析 | 第47-49页 |
| 5.2.5 实验结果及分析 | 第49-53页 |
| 5.3 本章小结 | 第53-55页 |
| 主要结论与展望 | 第55-57页 |
| 主要结论 | 第55页 |
| 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第61页 |
