| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 概述 | 第10-11页 |
| 1.2 研究课题的背景及意义 | 第11页 |
| 1.2.1 研究背景 | 第11页 |
| 1.2.2 研究意义 | 第11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 聚类算法国内外研究现状 | 第12-13页 |
| 1.3.2 社团划分国内外研究现状 | 第13-15页 |
| 1.3.3 交通小区划分国内外研究现状 | 第15-16页 |
| 1.4 论文的整体结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 Laplacian中心性峰值聚类算法 | 第18-30页 |
| 2.1 引言 | 第18-19页 |
| 2.2 基于Laplacian中心性的密度峰值聚类算法(LPC) | 第19-23页 |
| 2.2.1 算法原理 | 第19-20页 |
| 2.2.2 基于Laplacian中心性的局部重要性指标 | 第20-21页 |
| 2.2.3 最小距离值 | 第21页 |
| 2.2.4 确定类簇中心和数据点聚类 | 第21-22页 |
| 2.2.5 LPC算法流程图 | 第22-23页 |
| 2.3 数值仿真和结果分析 | 第23-29页 |
| 2.3.1 数据集 | 第23-24页 |
| 2.3.2 评价指标 | 第24页 |
| 2.3.3 结果分析 | 第24-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于IsoMap技术和Laplacian中心性峰值聚类算法的社团划分研究 | 第30-42页 |
| 3.1 引言 | 第30-31页 |
| 3.2 IsoMap技术降维构造社团划分新模型 | 第31-34页 |
| 3.2.1 流形学习概述 | 第31-32页 |
| 3.2.2 流形学习主要算法 | 第32-33页 |
| 3.2.3 降维建模过程 | 第33-34页 |
| 3.3 IsoLPC社团划分算法 | 第34-37页 |
| 3.3.1 Iso LPC算法原理 | 第34-35页 |
| 3.3.2 Iso LPC算法流程 | 第35-37页 |
| 3.3.3 Iso LPC算法分析 | 第37页 |
| 3.4 实验结果与分析 | 第37-41页 |
| 3.4.1 数据集 | 第37-38页 |
| 3.4.2 评价指标 | 第38页 |
| 3.4.3 模拟网络结果分析 | 第38-39页 |
| 3.4.4 真实网络结果分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于Laplacian中心性峰值聚类算法和浮动车数据的交通小区划分研究 | 第42-52页 |
| 4.1 引言 | 第42-43页 |
| 4.2 浮动车数据的特征提取及交通小区划分 | 第43-50页 |
| 4.2.1 浮动车数据的获取与处理 | 第43-45页 |
| 4.2.2 交通小区划分特征提取 | 第45-46页 |
| 4.2.3 Iso LPC算法进行交通小区划分 | 第46-48页 |
| 4.2.4 SuperMap GIS平台上结果展示 | 第48-50页 |
| 4.3 交通小区特性分析 | 第50-51页 |
| 4.3.1 概述 | 第50-51页 |
| 4.3.2 特性分析 | 第51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 结论与展望 | 第52-54页 |
| 5.1 结论 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间参加的科研项目和成果 | 第59页 |
