改进的密度聚类算法研究

摘要	第1-5页
Abstract	第5-8页
1 绪论	第8-11页
·研究背景及意义	第8-9页
·国内外研究现状	第9-10页
·本文研究内容及组织	第10-11页
2 聚类分析概述	第11-24页
·聚类的定义及构成	第11-12页
·样本表示	第12页
·相似性度量	第12-17页
·聚类算法	第17-21页
·聚类评价	第21-23页
·领域知识	第23-24页
3 密度聚类算法研究	第24-37页
·代表性算法	第24-33页
·DBSCAN算法	第24-27页
·OPTICS算法	第27-31页
·KNNCLUST算法	第31-33页
·密度聚类算法的改进	第33-37页
·经典密度算法的优点	第33页
·密度聚类算法的缺陷	第33-36页
·密度聚类的改进方向	第36-37页
4 结合分类技术的基于弥散度的聚类算法	第37-54页
·相关概念	第37-38页
·基于密度的类	第37页
·点的离群度	第37-38页
·算法描述	第38-47页
·算法框架	第38页
·弥散度计算	第38-42页
·扫描数据集	第42-43页
·分割扫描序列	第43-45页
·边缘点分类	第45-47页
·参数确定	第47-49页
·复杂度分析	第49页
·实验验证	第49-54页
·实验设置	第49-50页
·结果评价	第50-54页
结论	第54-55页
参考文献	第55-58页
攻读硕士学位期间发表学术论文情况	第58-59页
致谢	第59-60页