| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| abstract | 第12-13页 |
| 第一章 绪论 | 第19-32页 |
| 1.1 研究背景和意义 | 第19-21页 |
| 1.2 相关知识概述 | 第21-26页 |
| 1.2.1 分形数据挖掘 | 第21-22页 |
| 1.2.2 聚类及聚类融合 | 第22-23页 |
| 1.2.3 选择性聚类融合 | 第23-26页 |
| 1.3 国内外研究现状 | 第26-29页 |
| 1.3.1 分形数据挖掘技术研究进展 | 第26-28页 |
| 1.3.2 聚类融合方法研究进展 | 第28页 |
| 1.3.3 选择性聚类融合方法研究进展 | 第28-29页 |
| 1.4 本文研究内容与结构安排 | 第29-32页 |
| 第二章 基于分形维数的聚类融合算法研究 | 第32-41页 |
| 2.1 引言 | 第32-34页 |
| 2.1.1 基于密度的聚类方法 | 第32页 |
| 2.1.2 基于划分的聚类方法 | 第32-33页 |
| 2.1.3 基于网格的聚类方法 | 第33页 |
| 2.1.4 基于层次的聚类方法 | 第33页 |
| 2.1.5 基于模型的聚类方法 | 第33-34页 |
| 2.2 基于分形维数的聚类算法 | 第34-36页 |
| 2.2.1 分形维数 | 第34-36页 |
| 2.2.2 基于分形维数的聚类算法 | 第36页 |
| 2.3 改进的基于分形维数的聚类融合算法 | 第36-38页 |
| 2.4 实验分析 | 第38-40页 |
| 2.4.1 实验环境 | 第38页 |
| 2.4.2 实验数据 | 第38-39页 |
| 2.4.3 聚类结果评价方法 | 第39页 |
| 2.4.4 实验结果分析 | 第39-40页 |
| 2.5 小结 | 第40-41页 |
| 第三章 云计算环境下基于分形维数的聚类融合算法研究 | 第41-53页 |
| 3.1 引言 | 第41-45页 |
| 3.1.1 Hadoop云计算平台 | 第41-43页 |
| 3.1.2 Map-Reduce | 第43-44页 |
| 3.1.3 Map-Reduce的执行细节 | 第44-45页 |
| 3.2 云计算环境下基于分形的聚类融合算法 | 第45-46页 |
| 3.3 算法框架 | 第46-48页 |
| 3.4 实验分析 | 第48-52页 |
| 3.4.1 实验环境 | 第48页 |
| 3.4.2 实验数据 | 第48-49页 |
| 3.4.3 并行算法的评价方法 | 第49页 |
| 3.4.4 实验仿真及结果分析 | 第49-52页 |
| 3.5 小结 | 第52-53页 |
| 第四章 基于互信息和分形维数的选择性聚类融合算法研究 | 第53-70页 |
| 4.1 引言 | 第53-54页 |
| 4.2 基于互信息和分形维数的选择性聚类融合算法 | 第54-59页 |
| 4.2.1 理论证明 | 第54-57页 |
| 4.2.2 选择策略及选取部分聚类成员 | 第57-58页 |
| 4.2.3 融合部分聚类成员 | 第58-59页 |
| 4.3 算法框架 | 第59-61页 |
| 4.4 实验分析 | 第61-69页 |
| 4.4.1 实验环境 | 第61页 |
| 4.4.2 实验数据 | 第61-62页 |
| 4.4.3 聚类结果评价方法 | 第62页 |
| 4.4.4 UCI数据集实验结果分析 | 第62-68页 |
| 4.4.5 人工数据集实验结果分析 | 第68-69页 |
| 4.5 小结 | 第69-70页 |
| 第五章 基于分形维数和投影的选择性聚类融合算法研究 | 第70-85页 |
| 5.1 高维数据聚类算法 | 第70-72页 |
| 5.1.1 基于降维的聚类 | 第70-71页 |
| 5.1.2 基于超图的聚类 | 第71-72页 |
| 5.1.3 子空间聚类 | 第72页 |
| 5.1.4 联合聚类 | 第72页 |
| 5.2 基于分形维数和投影的高维数据聚类 | 第72-74页 |
| 5.3 参照成员选择 | 第74-75页 |
| 5.4 选择策略 | 第75-76页 |
| 5.5 基于分形维数和投影的选择性聚类融合算法框架 | 第76-77页 |
| 5.6 实验分析 | 第77-82页 |
| 5.6.1 实验环境 | 第77-78页 |
| 5.6.2 实验数据 | 第78页 |
| 5.6.3 数值型数据集实验结果分析 | 第78-81页 |
| 5.6.4 文本数据集实验结果分析 | 第81-82页 |
| 5.7 参数对聚类结果的影响 | 第82-84页 |
| 5.7.1 集成规模分析 | 第82-83页 |
| 5.7.2 平衡因子分析 | 第83-84页 |
| 5.8 小结 | 第84-85页 |
| 第六章 选择性聚类融合算法在气象数据挖掘中的应用 | 第85-92页 |
| 6.1 引言 | 第85-87页 |
| 6.2 气象数据挖掘的理论基础 | 第87-89页 |
| 6.3 选择性聚类融合算法在气象数据挖掘中的应用实例 | 第89-91页 |
| 6.3.1 气象数据 | 第89页 |
| 6.3.2 算法的聚类结果及分析 | 第89-91页 |
| 6.4 本章小结 | 第91-92页 |
| 第七章 总结与展望 | 第92-94页 |
| 7.1 论文工作总结 | 第92-93页 |
| 7.2 研究展望 | 第93-94页 |
| 参考文献 | 第94-102页 |
| 在读期间参加的科研工作和撰写论文 | 第102页 |
