距离邻近与自然邻近典型聚类方法比较
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-22页 |
| ·问题的提出 | 第10-14页 |
| ·聚类分析的关键理论与方法 | 第10-12页 |
| ·聚类分析作用于空间数据的局限性 | 第12-13页 |
| ·几种常见的距离定义 | 第13页 |
| ·简单距离邻近与复杂空间邻近之间的矛盾 | 第13-14页 |
| ·空间邻近关系的概述与表达 | 第14-17页 |
| ·空间邻近关系的提出 | 第14-15页 |
| ·空间邻近关系的表达 | 第15页 |
| ·空间邻近关系的计算 | 第15-17页 |
| ·国内外相关问题研究现状及分析 | 第17-19页 |
| ·空间聚类算法研究 | 第17-18页 |
| ·Voronoi图的生成算法研究 | 第18页 |
| ·自然邻近关系的应用与研究 | 第18-19页 |
| ·本文研究内容及章节安排 | 第19-22页 |
| 第二章 支持二维空间聚类的树ART2模型构建方法 | 第22-34页 |
| ·自适应共振理论 | 第22-24页 |
| ·竞争学习的相关概念 | 第22-24页 |
| ·ART2神经网络模型的局限性 | 第24页 |
| ·树ART2神经网络模型 | 第24-28页 |
| ·TART2模型结构 | 第24-25页 |
| ·TART2模型聚类算法 | 第25-28页 |
| ·实验与分析 | 第28-32页 |
| ·实验算法 | 第28-31页 |
| ·实验结果 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 变速Voronoi图及其构建算法 | 第34-42页 |
| ·Voronoi图生成方法简介 | 第34-36页 |
| ·Voronoi图的定义 | 第34-35页 |
| ·Voronoi图的生成 | 第35-36页 |
| ·变速Voronoi图的定义 | 第36页 |
| ·变速Voronoi图算法 | 第36-39页 |
| ·w(·)权重函数 | 第37页 |
| ·膨胀过程 | 第37-38页 |
| ·收敛条件 | 第38-39页 |
| ·实验与分析 | 第39-41页 |
| ·实验结果 | 第39-40页 |
| ·实验分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 自然邻近空间聚类算法 | 第42-56页 |
| ·空间聚类的瓶颈分析 | 第42-43页 |
| ·空间聚类的自然邻近表达 | 第43-44页 |
| ·SCBNA算法的原理 | 第44-45页 |
| ·SCBNA算法的提出与构建 | 第45-49页 |
| ·面积阈值η的选取 | 第45-46页 |
| ·空间数据聚类过程 | 第46-49页 |
| ·实验与分析 | 第49-55页 |
| ·SCBNA算法实现 | 第50-55页 |
| ·时间复杂度 | 第55页 |
| ·实验结果 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第五章 距离邻近与自然邻近的聚类方法比较 | 第56-66页 |
| ·树ART2模型的距离邻近聚类方法实现 | 第56-58页 |
| ·网络参数设置 | 第56页 |
| ·实验结果分析 | 第56-58页 |
| ·SCBNA的自然邻近聚类方法实现 | 第58-62页 |
| ·实验演示 | 第58-61页 |
| ·实验分析 | 第61-62页 |
| ·距离邻近与自然邻近的聚类方法比较 | 第62-64页 |
| ·本章小结 | 第64-66页 |
| 第六章 结论与展望 | 第66-68页 |
| ·主要工作 | 第66-67页 |
| ·论文创新点 | 第67页 |
| ·展望 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录A | 第74页 |
| 一、攻读硕士学位期间发表的论文目录 | 第74页 |
| 二、攻读硕士学位期间参与科研项目情况 | 第74页 |
| 三、攻读硕士学位期间主要获奖情况 | 第74页 |
