基于网格的加权平均密度自适应聚类算法及其应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究进展及现状 | 第11-13页 |
| 1.2.1 聚类算法研究进展及现状 | 第11-12页 |
| 1.2.2 基于网格聚类算法研究进展及现状 | 第12-13页 |
| 1.3 论文研究内容及组织结构 | 第13-15页 |
| 1.3.1 论文研究内容 | 第13页 |
| 1.3.2 论文组织结构 | 第13-15页 |
| 第2章 网格聚类算法综述 | 第15-30页 |
| 2.1 数据挖掘概述 | 第15-21页 |
| 2.1.1 数据挖掘定义 | 第15页 |
| 2.1.2 数据挖掘所发现的知识 | 第15-17页 |
| 2.1.3 数据挖掘功能 | 第17-18页 |
| 2.1.4 数据挖掘系统组成及其挖掘过程 | 第18-21页 |
| 2.2 聚类分析基础 | 第21-24页 |
| 2.2.1 聚类分析定义 | 第21页 |
| 2.2.2 聚类分析应用要求 | 第21-22页 |
| 2.2.3 聚类分析常用算法 | 第22-24页 |
| 2.3 基于网格的聚类算法 | 第24-29页 |
| 2.3.1 传统网格聚类算法 | 第25-27页 |
| 2.3.2 几种改进网格聚类算法 | 第27-29页 |
| 2.4 小结 | 第29-30页 |
| 第3章 网格划分及边界点提取 | 第30-39页 |
| 3.1 网格划分类型 | 第30-35页 |
| 3.1.1 均匀网格划分 | 第31-32页 |
| 3.1.2 边长自适应网格划分 | 第32-34页 |
| 3.1.3 区域自适应网格划分 | 第34-35页 |
| 3.1.4 3 种网格划分方法之比较 | 第35页 |
| 3.2 网格边界点提取 | 第35-38页 |
| 3.2.1 窗口延伸法 | 第35-36页 |
| 3.2.2 k-近邻延伸法 | 第36-37页 |
| 3.2.3 2 种边界点提取法之比较 | 第37-38页 |
| 3.3 小结 | 第38-39页 |
| 第4章 基于网格的加权平均密度自适应聚类算法 | 第39-46页 |
| 4.1 加权平均密度相关概念 | 第39-40页 |
| 4.2 自适应容纳阈值相关概念 | 第40页 |
| 4.3 网格划分方法 | 第40-43页 |
| 4.3.1 基本概念 | 第40-42页 |
| 4.3.2 网格分割 | 第42-43页 |
| 4.4 聚类边界点提取 | 第43-44页 |
| 4.5 算法基本思想 | 第44-45页 |
| 4.6 小结 | 第45-46页 |
| 第5章 算法实现及在入侵检测中的应用 | 第46-56页 |
| 5.1 算法描述 | 第46-48页 |
| 5.2 仿真实例 | 第48-51页 |
| 5.2.1 有效性 | 第48-49页 |
| 5.2.2 参数变化对聚类结果的影响 | 第49-50页 |
| 5.2.3 时间性能测试 | 第50-51页 |
| 5.3 改进算法与 SCI 算法之比较 | 第51-52页 |
| 5.3.1 簇不相连数据集聚类结果比较 | 第51-52页 |
| 5.3.2 簇相连数据集聚类结果比较 | 第52页 |
| 5.4 改进算法在入侵检测中的应用 | 第52-55页 |
| 5.5 小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
