势能聚类算法的研究与应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 论文结构 | 第12-14页 |
| 第二章 相关理论基础 | 第14-21页 |
| 2.1 势能聚类算法 | 第14-19页 |
| 2.1.1 引言 | 第14页 |
| 2.1.2 样本势能计算 | 第14-15页 |
| 2.1.3 边缘加权树与类别确认 | 第15-17页 |
| 2.1.4 PHA算法步骤 | 第17-18页 |
| 2.1.5 PHA算法流程图 | 第18-19页 |
| 2.1.6 算法时间复杂度分析 | 第19页 |
| 2.2 聚类有效性评价 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 自动确定聚类中心的势能聚类算法 | 第21-34页 |
| 3.1 引言 | 第21页 |
| 3.2 算法思想 | 第21-24页 |
| 3.2.1 聚类中心的自动确定 | 第21-24页 |
| 3.2.2 改进分配机制 | 第24页 |
| 3.3 ACP算法步骤 | 第24-25页 |
| 3.4 ACP算法流程图 | 第25-26页 |
| 3.5 算法时间复杂度分析 | 第26页 |
| 3.6 实验结果与分析 | 第26-33页 |
| 3.6.1 人工数据集 | 第26-31页 |
| 3.6.2 真实数据集 | 第31-33页 |
| 3.7 本章小结 | 第33-34页 |
| 第四章 噪声环境下复杂结构数据的势能层次聚类算法 | 第34-49页 |
| 4.1 引言 | 第34-35页 |
| 4.2 算法思想 | 第35-38页 |
| 4.2.1 识别噪声点 | 第35-36页 |
| 4.2.2 势能分层 | 第36-38页 |
| 4.3 HCPC算法步骤 | 第38-39页 |
| 4.4 HCPC算法流程图 | 第39-41页 |
| 4.5 算法时间复杂度分析 | 第41页 |
| 4.6 实验结果与分析 | 第41-48页 |
| 4.6.1 人工数据集 | 第41-46页 |
| 4.6.2 真实数据集 | 第46-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第五章 ACP算法与HCPC算法的应用 | 第49-57页 |
| 5.1 引言 | 第49-50页 |
| 5.2 算法在地震震级聚类中的应用 | 第50-52页 |
| 5.2.1 实验数据处理 | 第50页 |
| 5.2.2 实验步骤 | 第50-51页 |
| 5.2.3 实验流程图 | 第51页 |
| 5.2.4 实验结果与分析 | 第51-52页 |
| 5.3 算法在城市空气质量等级聚类中的应用 | 第52-55页 |
| 5.3.1 实验数据处理 | 第52-54页 |
| 5.3.2 实验步骤 | 第54页 |
| 5.3.3 实验流程图 | 第54-55页 |
| 5.3.4 实验结果与分析 | 第55页 |
| 5.4 本章小结 | 第55-57页 |
| 第六章 主要结论与展望 | 第57-59页 |
| 6.1 主要结论 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第63页 |
