| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 引言 | 第7-10页 |
| ·研究背景与意义 | 第7-8页 |
| ·研究内容与思路 | 第8页 |
| ·论文的组织结构 | 第8-10页 |
| 第二章 数据挖掘技术与聚类算法分析 | 第10-28页 |
| ·数据挖掘概述 | 第10-15页 |
| ·数据挖掘的定义 | 第10-11页 |
| ·数据挖掘的过程 | 第11-12页 |
| ·数据挖掘的任务 | 第12-14页 |
| ·数据挖掘的应用 | 第14-15页 |
| ·数据挖掘的方法 | 第15页 |
| ·聚类分析概述 | 第15-21页 |
| ·主要的聚类分析方法 | 第15-17页 |
| ·基于密度的聚类算法 | 第17-21页 |
| ·基于网格的聚类算法 | 第21-27页 |
| ·传统的网格聚类算法 | 第21-23页 |
| ·一些改进的网格聚类算法 | 第23-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于优化网格的最小生成树聚类算法OGMST | 第28-41页 |
| ·基于优化网格的最小生成树聚类算法概述 | 第28页 |
| ·相关技术 | 第28-30页 |
| ·相关定义 | 第28-29页 |
| ·密度阈值处理技术 | 第29-30页 |
| ·边界点提取技术 | 第30页 |
| ·基于优化网格的最小生成树聚类算法描述 | 第30-32页 |
| ·构建最小生成树 | 第30页 |
| ·OGMST 算法的主要思想 | 第30-31页 |
| ·OGMST 算法 | 第31-32页 |
| ·算法复杂度分析 | 第32页 |
| ·实验对比与分析 | 第32-40页 |
| ·算法正确性分析 | 第33-34页 |
| ·算法精度对比 | 第34-39页 |
| ·算法时间对比 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于网格相似度的聚类算法GSCA | 第41-54页 |
| ·基于网格相似度的聚类算法简介 | 第41页 |
| ·相关技术 | 第41-43页 |
| ·相关概念 | 第41-42页 |
| ·高维数据集的处理技术 | 第42页 |
| ·密度阈值处理技术 | 第42-43页 |
| ·基于网格相似度的聚类算法 | 第43-45页 |
| ·相似度标准的引入 | 第43页 |
| ·GSCA 算法的主要思想 | 第43-44页 |
| ·算法描述 | 第44-45页 |
| ·算法复杂度分析 | 第45页 |
| ·实验对比与分析 | 第45-52页 |
| ·算法正确性分析 | 第45-46页 |
| ·算法精度对比 | 第46-51页 |
| ·算法时间对比 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 总结及进一步工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 在学期间发表的学术论文和参加科研情况 | 第59页 |