| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 经典聚类算法 | 第10-12页 |
| 1.2.2 子空间CLIQUE算法 | 第12-13页 |
| 1.2.3 密度峰值聚类算法 | 第13-15页 |
| 1.3 本文的组织结构安排 | 第15-16页 |
| 第二章 数据挖掘中聚类知识概述 | 第16-28页 |
| 2.1 数据挖掘 | 第16-17页 |
| 2.2 聚类分析 | 第17-20页 |
| 2.2.1 聚类分析中的数据类型 | 第17-20页 |
| 2.2.2 聚类分析的要求 | 第20页 |
| 2.3 经典聚类算法 | 第20-24页 |
| 2.3.1 划分聚类算法 | 第20-21页 |
| 2.3.2 层次聚类算法 | 第21-22页 |
| 2.3.3 密度聚类算法 | 第22-23页 |
| 2.3.4 网格聚类算法 | 第23-24页 |
| 2.3.5 模型聚类算法 | 第24页 |
| 2.4 高维聚类算法 | 第24-26页 |
| 2.4.1 高维数据中的维度灾难 | 第25页 |
| 2.4.2 子空间聚类算法 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 REG-CLIQUE自适应高维子空间聚类改进算法 | 第28-37页 |
| 3.1 基础理论 | 第29-30页 |
| 3.1.1 相对熵 | 第29页 |
| 3.1.2 高斯过程 | 第29-30页 |
| 3.2 REG-CLIQUE聚类算法 | 第30-33页 |
| 3.2.1 REG-CLIQUE算法步骤 | 第30-31页 |
| 3.2.2 基于相对熵的自适应网格划分 | 第31-32页 |
| 3.2.3 计算网格密度阈值 | 第32-33页 |
| 3.2.4 算法时间复杂度分析 | 第33页 |
| 3.3 实验分析 | 第33-36页 |
| 3.3.1 仿真数据集实验对比 | 第33-35页 |
| 3.3.2 高维数据集实验对比 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于抽样和残差平方的密度峰值聚类算法 | 第37-48页 |
| 4.1 密度峰值聚类算法(DPC算法) | 第37-38页 |
| 4.2 SREDPC:基于抽样和残差平方的密度峰值聚类算法 | 第38-43页 |
| 4.2.1 预处理 | 第39页 |
| 4.2.2 抽样处理确定截断距离 | 第39-41页 |
| 4.2.3 初始分配 | 第41页 |
| 4.2.4 晕点识别 | 第41-42页 |
| 4.2.5 算法时间复杂度分析 | 第42-43页 |
| 4.3 实验结果 | 第43-47页 |
| 4.3.1 高维数据集时间对比 | 第43页 |
| 4.3.2 仿真数据集实验对比 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 论文工作总结 | 第48页 |
| 5.2 下一步展望 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56-58页 |
| 附录A (攻读硕士学位期间发表录用论文) | 第58-59页 |
| 附录B (攻读硕士学位期间参与项目及课题) | 第59页 |