| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 引论 | 第8-19页 |
| ·数据挖掘概述 | 第8-9页 |
| ·相似度计算 | 第9-13页 |
| ·聚类方法分类 | 第13-16页 |
| ·数据挖掘对聚类的要求 | 第16-17页 |
| ·论文研究内容及组织 | 第17-19页 |
| 2 障碍空间中的聚类算法 | 第19-29页 |
| ·障碍空间中聚类问题的提出 | 第19-20页 |
| ·COD_CLARANS 算法 | 第20-24页 |
| ·DBCLUC 算法 | 第24-26页 |
| ·传统算法的局限 | 第26-28页 |
| ·小结 | 第28-29页 |
| 3 DBCO 算法 | 第29-44页 |
| ·算法内容与目的 | 第29-30页 |
| ·障碍建模 | 第30-32页 |
| ·障碍空间中有效距离的提出 | 第32-39页 |
| ·DBCO 聚类采用的技术 | 第39-42页 |
| ·小结 | 第42-44页 |
| 4 实验与性能分析 | 第44-51页 |
| ·DBCO 算法实现 | 第44-46页 |
| ·聚类效率对比分析 | 第46-48页 |
| ·聚类质量对比分析 | 第48-50页 |
| ·小结 | 第50-51页 |
| 5 结束语 | 第51-54页 |
| ·本文总结 | 第51-52页 |
| ·未来工作展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |