空间数据聚类的研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 序论 | 第9-17页 |
| ·引言 | 第9-12页 |
| ·数据挖掘定义 | 第9-10页 |
| ·数据挖掘的研究现状和发展趋势 | 第10-11页 |
| ·空间数据挖掘 | 第11-12页 |
| ·聚类的定义和主要问题 | 第12-13页 |
| ·聚类的定义 | 第12页 |
| ·聚类的主要问题 | 第12-13页 |
| ·课题背景与论文工作 | 第13-17页 |
| 第二章 空间聚类算法评述 | 第17-42页 |
| ·聚类的统计学基础 | 第17-23页 |
| ·区间标度度量 | 第18-21页 |
| ·其它类型变量 | 第21-23页 |
| ·空间索引 | 第23-28页 |
| ·典型的聚类算法 | 第28-36页 |
| ·划分算法 | 第28-30页 |
| ·层次算法 | 第30-31页 |
| ·图分区算法 | 第31-32页 |
| ·基于密度的算法 | 第32-33页 |
| ·基于网格的算法 | 第33-34页 |
| ·基于模型的算法 | 第34-36页 |
| ·其它算法 | 第36页 |
| ·几种重要聚类方法 | 第36-40页 |
| ·自组织特征映射神经网络 | 第36-38页 |
| ·CLIQUE 算法 | 第38页 |
| ·DBSCAN算法 | 第38-40页 |
| ·CLARANS算法 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第三章 基于网格和密度的聚类算法 | 第42-57页 |
| ·CLUGD 算法 | 第42-47页 |
| ·算法说明 | 第42-43页 |
| ·概念 | 第43-44页 |
| ·算法流程 | 第44页 |
| ·参数选择和复杂度分析 | 第44-45页 |
| ·试验 | 第45-47页 |
| ·结论 | 第47页 |
| ·GDRS算法 | 第47-50页 |
| ·算法描述 | 第47-48页 |
| ·算法的复杂度分析 | 第48-49页 |
| ·试验 | 第49-50页 |
| ·结论 | 第50页 |
| ·CLUGD处理变化密度的扩展 | 第50-55页 |
| ·算法说明 | 第51页 |
| ·预处理过程 | 第51-52页 |
| ·算法流程 | 第52-54页 |
| ·算法的复杂度分析 | 第54页 |
| ·试验 | 第54-55页 |
| ·结论 | 第55页 |
| ·本章小结 | 第55-57页 |
| 第四章 空间数据聚类中高维非空间属性的处理 | 第57-71页 |
| ·引言 | 第57-58页 |
| ·DBSCAN在非空间属性上的扩展 | 第58-64页 |
| ·基本思想 | 第58-60页 |
| ·扩展概念 | 第60页 |
| ·算法流程 | 第60-63页 |
| ·性能分析 | 第63-64页 |
| ·复杂度分析 | 第64页 |
| ·使用神经网络预处理高维非空间属性数据 | 第64-69页 |
| ·理论依据 | 第65页 |
| ·算法 | 第65-66页 |
| ·试验 | 第66-69页 |
| ·结论 | 第69页 |
| ·本章小结 | 第69-71页 |
| 第五章 空间数据聚类中空间约束的处理 | 第71-93页 |
| ·引言 | 第72-77页 |
| ·COD-CLARANS | 第72-73页 |
| ·AutoClust+ | 第73页 |
| ·DBCluC | 第73-74页 |
| ·DBRS+ | 第74-76页 |
| ·算法评价 | 第76-77页 |
| ·空间障碍的处理算法 | 第77-82页 |
| ·有关的观念 | 第77-78页 |
| ·障碍处理说明 | 第78-82页 |
| ·通达对象的处理 | 第82-84页 |
| ·障碍通达对象的处理 | 第84页 |
| ·DBOF算法 | 第84-92页 |
| ·概念 | 第84-85页 |
| ·算法流程 | 第85-89页 |
| ·试验 | 第89-91页 |
| ·复杂性分析 | 第91-92页 |
| ·结论 | 第92页 |
| ·本章小结 | 第92-93页 |
| 第六章 结论 | 第93-95页 |
| ·全文总结 | 第93-94页 |
| ·存在的问题和研究前景展望 | 第94-95页 |
| 参考文献 | 第95-104页 |
| 发表论文和科研情况说明 | 第104-105页 |
| 致谢 | 第105页 |
