基于网格和密度的数据流聚类方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 引言 | 第9-31页 |
| ·论文选题的背景及意义 | 第9页 |
| ·数据流的特征分析 | 第9-10页 |
| ·数据流聚类方法的要求 | 第10-12页 |
| ·数据流聚类的含义 | 第10页 |
| ·对数据流聚类算法的要求 | 第10-12页 |
| ·相关研究进展 | 第12-27页 |
| ·微粒群算法 | 第12-18页 |
| ·传统聚类方法 | 第18-24页 |
| ·数据流聚类方法 | 第24-27页 |
| ·论文的研究内容和研究思路 | 第27-30页 |
| ·论文的研究内容 | 第27-28页 |
| ·论文的研究思路 | 第28-30页 |
| ·论文内容安排 | 第30-31页 |
| 2 面向数据流的静态聚类方法研究 | 第31-54页 |
| ·基于网格和密度的聚类方法存在的问题 | 第32页 |
| ·问题分析及解决方法 | 第32-39页 |
| ·网格单元密度的计算方法 | 第32-35页 |
| ·聚类生成过程 | 第35-39页 |
| ·基于网格和密度的微粒群混合聚类算法 | 第39-50页 |
| ·方法描述 | 第39-45页 |
| ·实验验证 | 第45-50页 |
| ·改进的CGDP方法用于数据流聚类 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 3 动态环境下聚类追踪方法研究 | 第54-74页 |
| ·已有方法及存在的问题 | 第54-59页 |
| ·环境变化检测方法 | 第55-59页 |
| ·算法响应策略 | 第59页 |
| ·改进的自适应微粒群算法 | 第59-73页 |
| ·算法描述 | 第59-64页 |
| ·实验设置 | 第64-67页 |
| ·实验结果及分析 | 第67-71页 |
| ·进一步的改进 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 4 面向数据流的动态聚类方法研究 | 第74-95页 |
| ·具体数据流环境应用需求分析 | 第74-77页 |
| ·数据流中孤立点识别方法 | 第77-88页 |
| ·实验验证 | 第88-94页 |
| ·实验设置 | 第89页 |
| ·实验结果 | 第89-94页 |
| ·本章小结 | 第94-95页 |
| 5 总结与展望 | 第95-97页 |
| ·全文总结 | 第95页 |
| ·进一步的研究展望 | 第95-97页 |
| 参考文献 | 第97-106页 |
| 附录A 论文相关实现代码 | 第106-109页 |
| 攻读博士学位期间发表的学术论文 | 第109-110页 |
| 攻读博士学位期间参加的项目 | 第110-111页 |
| 创新点摘要 | 第111-113页 |
| 致谢 | 第113-114页 |
