大数据集增量式模糊聚类算法
| 摘要 | 第5-12页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 国外研究现状 | 第13-16页 |
| 1.2.2 国内研究现状 | 第16-18页 |
| 1.3 聚类算法存在的问题 | 第18-19页 |
| 1.4 研究内容 | 第19-20页 |
| 1.5 论文的组织结构 | 第20-21页 |
| 第2章 相关技术综述 | 第21-30页 |
| 2.1 模糊聚类理论基础 | 第21-26页 |
| 2.1.1 模糊集合论 | 第21-22页 |
| 2.1.2 模糊聚类的概念 | 第22-23页 |
| 2.1.3 聚类算法的评价标准 | 第23-24页 |
| 2.1.4 主要的模糊聚类算法 | 第24-26页 |
| 2.2 增量式聚类算法 | 第26-29页 |
| 2.2.1 SPFCM算法 | 第26-28页 |
| 2.2.2 OFCMD算法 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 生成距离矩阵 | 第30-39页 |
| 3.1 相似度和相异度的度量 | 第30-35页 |
| 3.1.1 单个属性之间的相似度与相异度 | 第30-31页 |
| 3.1.2 数据对象之间的相异度度量 | 第31-32页 |
| 3.1.3 数据对象之间的相似性度量 | 第32-34页 |
| 3.1.4 文本相似度的度量 | 第34-35页 |
| 3.2 距离矩阵生成 | 第35-37页 |
| 3.2.1 距离矩阵生成算法 | 第35-37页 |
| 3.2.2 时间复杂度分析 | 第37页 |
| 3.3 本章小结 | 第37-39页 |
| 第4章 基于最小权重阈值的增量式模糊聚类算法 | 第39-52页 |
| 4.1 传统增量式聚类算法选择中心点方法局限性 | 第39-41页 |
| 4.2 基于上述问题做出改进 | 第41-42页 |
| 4.2.1 算法的出发点 | 第41页 |
| 4.2.2 算法的基本思想 | 第41-42页 |
| 4.3 算法的设计 | 第42-44页 |
| 4.4 算法的实现 | 第44-47页 |
| 4.4.1 算法过程 | 第44-47页 |
| 4.4.2 时间复杂度分析 | 第47页 |
| 4.5 相关实验分析 | 第47-50页 |
| 4.5.1 试验环境 | 第48页 |
| 4.5.2 数据集 | 第48页 |
| 4.5.3 度量指标 | 第48页 |
| 4.5.4 实验结果分析 | 第48-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第5章 算法在TWITTER热点话题挖掘中的应用 | 第52-58页 |
| 5.1 需求分析 | 第52页 |
| 5.2 解决方案 | 第52-53页 |
| 5.3 数据预处理 | 第53-56页 |
| 5.3.1 数据集介绍 | 第53页 |
| 5.3.2 数据的处理方法 | 第53-56页 |
| 5.4 聚类分析与结果统计 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 附录A 攻读学位期间的学术成果 | 第66-67页 |
| 附录B 攻读学位期间所参与的科研项目 | 第67页 |
