面向数据流的数据聚类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文研究内容 | 第12页 |
| ·本文结构和组织 | 第12-13页 |
| 第2章 数据流聚类基础 | 第13-28页 |
| ·相关概念 | 第13-21页 |
| ·数据挖掘概述 | 第13-15页 |
| ·聚类的定义 | 第15-17页 |
| ·聚类分析的应用 | 第17-18页 |
| ·聚类的典型要求 | 第18-19页 |
| ·经典的聚类算法 | 第19-21页 |
| ·数据流聚类 | 第21-27页 |
| ·数据流聚类的要求 | 第21-23页 |
| ·数据流聚类算法 | 第23-25页 |
| ·高维非线性数据 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 核方法与基于核的主成分分析 | 第28-46页 |
| ·核函数 | 第28-36页 |
| ·核函数的概念 | 第29-31页 |
| ·核矩阵 | 第31-32页 |
| ·特征空间中的基本算法 | 第32-34页 |
| ·核函数的使用 | 第34-36页 |
| ·主成分分析方法 | 第36-40页 |
| ·主成分的定义与求取 | 第36-38页 |
| ·主成分得分向量及主成分模型 | 第38-39页 |
| ·主成分个数的确定方法 | 第39-40页 |
| ·基于核的主成分分析 | 第40-45页 |
| ·KPCA的介绍 | 第40-43页 |
| ·核主成分分析KPCA算法步骤 | 第43-44页 |
| ·KPCA与PCA比较 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于核函数的数据流聚类算法 | 第46-57页 |
| ·问题分析及解决方法 | 第46-47页 |
| ·算法的基本思路 | 第47-49页 |
| ·第一层模型 | 第49-52页 |
| ·基于核的新颖检测算法 | 第50-52页 |
| ·异常点的判断 | 第52页 |
| ·第二层模型 | 第52-56页 |
| ·KPCA降维 | 第53页 |
| ·数据段的相似匹配 | 第53-55页 |
| ·簇的生成与更新 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 算法分析与实验研究 | 第57-62页 |
| ·算法分析 | 第57-58页 |
| ·实验分析 | 第58-61页 |
| ·实验环境和测试数据集 | 第58页 |
| ·性能测试 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
