不确定空间数据聚类方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的目的及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 课题的来源及其研究内容 | 第13-15页 |
| 1.3.1 课题的来源 | 第13页 |
| 1.3.2 课题研究内容 | 第13-15页 |
| 第2章 聚类算法概述 | 第15-22页 |
| 2.1 聚类分析原理介绍 | 第15页 |
| 2.2 传统聚类算法介绍 | 第15-19页 |
| 2.2.1 基于划分的聚类 | 第16-17页 |
| 2.2.2 基于层次的聚类 | 第17页 |
| 2.2.3 基于密度的聚类 | 第17-18页 |
| 2.2.4 基于网格的聚类 | 第18页 |
| 2.2.5 基于模型的聚类 | 第18-19页 |
| 2.3 不确定数据聚类算法 | 第19-21页 |
| 2.3.1 基于划分的不确定数据聚类算法 | 第19-20页 |
| 2.3.2 基于密度的不确定数据聚类算法 | 第20页 |
| 2.3.3 其它不确定数据聚类算法 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 不确定数据聚类的U-PAM算法 | 第22-33页 |
| 3.1 基础知识介绍 | 第22-23页 |
| 3.1.1 区间数 | 第22-23页 |
| 3.1.2 PAM算法 | 第23页 |
| 3.2 U-PAM聚类算法 | 第23-27页 |
| 3.2.1 U-PAM聚类算法 | 第24-26页 |
| 3.2.2 算法实例验证分析 | 第26-27页 |
| 3.3 基于U-PAM算法和CH最佳聚类数 | 第27-32页 |
| 3.3.1 聚类有效性指标函数 | 第28页 |
| 3.3.2 基于U-PAM算法的k值优化 | 第28-30页 |
| 3.3.3 实验论证 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 不确定数据聚类的UM-DBSCAN算法 | 第33-39页 |
| 4.1 基本概念介绍 | 第33-34页 |
| 4.1.1 区间数定义 | 第33-34页 |
| 4.1.2 传统DBSCAN算法 | 第34页 |
| 4.2 UM-DBSCAN聚类算法 | 第34-36页 |
| 4.3 算法实例验证分析 | 第36-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 不确定海量数据的处理 | 第39-47页 |
| 5.1 海量不确定数据UM-PAM聚类算法 | 第39-42页 |
| 5.1.1 UM-PAM聚类算法 | 第39-41页 |
| 5.1.2 实验论证分析 | 第41-42页 |
| 5.2 海量不确定数据UMC-DBSCAN算法 | 第42-46页 |
| 5.2.1 UMC-DBSCAN聚类算法 | 第43-45页 |
| 5.2.2 实验论证分析 | 第45-46页 |
| 5.3 本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间所发表的学术论文 | 第53-54页 |
| 致谢 | 第54页 |
