| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·研究现状 | 第12-15页 |
| ·本文内容 | 第15页 |
| ·本文的结构 | 第15-17页 |
| 第2章 基础知识概述 | 第17-28页 |
| ·经典聚类算法 | 第17-18页 |
| ·高维数据的特点 | 第18-19页 |
| ·稀疏性 | 第18页 |
| ·维度灾难 | 第18-19页 |
| ·高维数据对传统聚类算法的影响 | 第19页 |
| ·相似性度量函数介绍 | 第19-22页 |
| ·传统的相似性度量函数 | 第21页 |
| ·高维数据相似性度量函数 | 第21-22页 |
| ·高维数据聚类技术分析 | 第22-27页 |
| ·维规约技术 | 第22-25页 |
| ·子空间聚类算法 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于二次等深划分的高维数据相似性度量函数 | 第28-40页 |
| ·引言 | 第28页 |
| ·最近邻查询的不确定性 | 第28-30页 |
| ·高维空间中的最近邻特性 | 第30-34页 |
| ·高维空间中 Lk范数特性的研究 | 第34-37页 |
| ·绝对差的收敛速度和 k 值的关系 | 第34-36页 |
| ·相对差的收敛速度和数据集规模 n 的关系 | 第36-37页 |
| ·高维数据相似性度量函数 Psim 的设计 | 第37-39页 |
| ·Psim 函数的具体定义 | 第38-39页 |
| ·Psim 与其它相似性度量方法的比较 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于子空间二次过滤和相对熵的 SRE-CLIQUE 算法 | 第40-60页 |
| ·引言 | 第40页 |
| ·CLIQUE 算法 | 第40-47页 |
| ·CLIQUE 算法描述 | 第40-46页 |
| ·CLIQUE 算法的缺点 | 第46-47页 |
| ·SRE-CLIQUE 算法 | 第47-59页 |
| ·信息熵在聚类算法中的应用 | 第48-49页 |
| ·SRE-CLIQUE 算法中的基本定义 | 第49-51页 |
| ·基于相对熵的自适应网格划分 | 第51-55页 |
| ·网格密度阈值的处理 | 第55-56页 |
| ·基于属性关联度矩阵的子空间二次过滤 | 第56-58页 |
| ·SRE-CLIQUE 算法复杂度分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 实验及结果分析 | 第60-67页 |
| ·引言 | 第60页 |
| ·实验环境与数据集 | 第60页 |
| ·Psim 函数在高维空间中的特性 | 第60-63页 |
| ·SRE-CLIQUE 算法与 CLIQUE 算法的性能比较 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |