增量聚类算法的设计与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-13页 |
| ·课题研究背景 | 第10-11页 |
| ·课题研究现状及意义 | 第11-12页 |
| ·课题主要工作 | 第12页 |
| ·论文的结构和组织 | 第12-13页 |
| 2 数据挖掘技术 | 第13-20页 |
| ·数据挖掘的定义 | 第13-14页 |
| ·数据挖掘系统的组成 | 第14-15页 |
| ·数据挖掘的功能和任务 | 第15-17页 |
| ·数据挖掘的方法 | 第17-18页 |
| ·数据挖掘的实施步骤 | 第18页 |
| ·数据挖掘的应用现状及发展趋势 | 第18-19页 |
| ·小结 | 第19-20页 |
| 3 聚类分析技术 | 第20-33页 |
| ·聚类分析的定义 | 第20-21页 |
| ·聚类分析的数据基础 | 第21-25页 |
| ·数据属性 | 第21-22页 |
| ·聚类分析的数据结构 | 第22页 |
| ·不同变量的相异度计算方式 | 第22-25页 |
| ·具有代表性聚类算法的分析 | 第25-30页 |
| ·基于划分的方法 | 第26-27页 |
| ·基于层次的方法 | 第27-29页 |
| ·基于密度的方法 | 第29页 |
| ·基于网格的方法 | 第29-30页 |
| ·基于模型的方法 | 第30页 |
| ·孤立点分析 | 第30-31页 |
| ·数据挖掘对聚类分析的要求 | 第31-32页 |
| ·小结 | 第32-33页 |
| 4 基于密度和自适应密度可达聚类算法的改进与完善 | 第33-39页 |
| ·CADD 算法的分析 | 第33-36页 |
| ·整体思路 | 第33页 |
| ·相关定义 | 第33-35页 |
| ·算法描述 | 第35-36页 |
| ·算法分析 | 第36页 |
| ·CADD 算法的改进与完善 | 第36-38页 |
| ·小结 | 第38-39页 |
| 5 增量聚类算法的设计与实现 | 第39-54页 |
| ·增量聚类 | 第39页 |
| ·基于密度可达的增量聚类算法的设计与实现 | 第39-42页 |
| ·CADD 算法特点 | 第39-40页 |
| ·ICADD 算法思路与流程图 | 第40-41页 |
| ·ICADD 算法设计与实现 | 第41页 |
| ·ICADD 算法复杂度分析 | 第41-42页 |
| ·基于子簇特征的增量聚类算法的设计与实现 | 第42-52页 |
| ·ICSCF 算法思路 | 第42-45页 |
| ·ICSCF 算法设计 | 第45-46页 |
| ·ICSCF 算法实现 | 第46页 |
| ·实验分析 | 第46-52页 |
| ·算法对比分析 | 第52-53页 |
| ·小结 | 第53-54页 |
| 6 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 在学研究成果 | 第59-60页 |
| 致谢 | 第60页 |
