| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10页 |
| 1.3 论文主要内容和结构安排 | 第10-12页 |
| 第二章 半监督学习及聚类方法 | 第12-17页 |
| 2.1 半监督学习 | 第12-13页 |
| 2.2 聚类方法介绍 | 第13-15页 |
| 2.3 相似度度量 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第三章 一种改进的基于密度的半监督聚类 | 第17-31页 |
| 3.1 密度聚类算法(DBSCAN) | 第17-20页 |
| 3.2 问题分析 | 第20-21页 |
| 3.3 数据准备 | 第21-22页 |
| 3.4 算法描述及实现 | 第22-25页 |
| 3.5 算法复杂度分析 | 第25页 |
| 3.6 V-DBSCAN算法与DBSCAN算法实验与分析 | 第25-30页 |
| 3.7 本章小结 | 第30-31页 |
| 第四章 实验与分析 | 第31-43页 |
| 4.1 实验准备 | 第31-32页 |
| 4.2 数据预处理 | 第32-33页 |
| 4.3 实验对比算法 | 第33-35页 |
| 4.3.1 K-Means聚类算法 | 第33页 |
| 4.3.2 KNN分类算法 | 第33-34页 |
| 4.3.3 朴素贝叶斯分类器(NBC) | 第34-35页 |
| 4.4 岩性识别结果对比与分析 | 第35-42页 |
| 4.4.1 V-DBSCAN算法与三种算法对比与分析 | 第35-38页 |
| 4.4.2 总体对比与分析 | 第38-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 全文总结 | 第43页 |
| 5.2 未来工作展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 附录 | 第49页 |