快速有效的并行二分K均值算法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景、目的及意义 | 第10-12页 |
| ·聚类的一般步骤 | 第12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文的主要工作和结构安排 | 第13-15页 |
| 第2章 数据挖掘中的聚类算法 | 第15-29页 |
| ·聚类分析 | 第15-17页 |
| ·聚类分析的概念 | 第15页 |
| ·聚类分析的应用 | 第15-16页 |
| ·聚类方法应具有的特点 | 第16-17页 |
| ·常见聚类算法的分类 | 第17-24页 |
| ·基于划分的算法 | 第17-19页 |
| ·基于层次的算法 | 第19-21页 |
| ·基于密度的算法 | 第21-22页 |
| ·基于模型的算法 | 第22-23页 |
| ·基于网格的算法 | 第23-24页 |
| ·聚类中相似度的选取 | 第24-26页 |
| ·聚类结果的评价标准 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 K 均值算法的研究与分析 | 第29-39页 |
| ·基于划分的聚类算法 | 第29页 |
| ·K 均值聚类算法 | 第29-33页 |
| ·K 均值的基本思想 | 第30页 |
| ·K 均值聚类算法介绍 | 第30-31页 |
| ·K 均值聚类流程 | 第31-33页 |
| ·K 均值算法的优缺点分析 | 第33-35页 |
| ·一些改进 K 均值的方法 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 并行二分 K 均值算法 | 第39-50页 |
| ·K 均值改进算法法的提出 | 第39页 |
| ·KM 的初值选择问题 | 第39-41页 |
| ·KM 的二分思想 | 第41-45页 |
| ·并行二分思想 | 第41-42页 |
| ·PBKM 与 BKM 的区别 | 第42-44页 |
| ·PBKM 算法描述 | 第44页 |
| ·PBKM 的时间复杂度分析 | 第44-45页 |
| ·实验与结果分析 | 第45-49页 |
| ·小规模数据集上的对比实验 | 第45-46页 |
| ·PBKM 与 KM 的结合 | 第46-48页 |
| ·大规模数据集上的对比实验 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 PBKM 在图像分割中的应用 | 第50-56页 |
| ·图像分割 | 第50-51页 |
| ·图像的预处理 | 第51页 |
| ·基于 PBKM 的图像分割算法 | 第51-52页 |
| ·对比实验与结果分析 | 第52-55页 |
| ·实验设计与数据源 | 第52页 |
| ·算法的有效性验证 | 第52-54页 |
| ·对比实验 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士期间发表的论文和取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |
