不确定数据聚类算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·数据挖掘的背景与意义 | 第10-11页 |
| ·数据挖掘的国内外现状 | 第11-14页 |
| ·国外研究和发展现状 | 第11-13页 |
| ·国内研究和发展现状 | 第13-14页 |
| ·不确定数据概述 | 第14-17页 |
| ·不确定数据产生的原因 | 第15页 |
| ·不确定数据的表现形式 | 第15-16页 |
| ·不确定数据挖掘的应用领域 | 第16-17页 |
| ·不确定数据挖掘的研究现状 | 第17-19页 |
| ·不确定数据频繁项集挖掘 | 第17页 |
| ·支持向量机的不确定数据分类法 | 第17-18页 |
| ·不确定数据孤立点检测 | 第18-19页 |
| ·论文的组织结构 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第2章 聚类 | 第20-32页 |
| ·聚类概述 | 第20-21页 |
| ·聚类的数学模型 | 第21页 |
| ·相似性度量的比较 | 第21-23页 |
| ·确定数据聚类算法 | 第23-28页 |
| ·基于划分的聚类算法 | 第23页 |
| ·基于层次的聚类算法 | 第23-25页 |
| ·基于密度的聚类算法 | 第25-27页 |
| ·基于网格的聚类算法 | 第27-28页 |
| ·基于模型的聚类算法 | 第28页 |
| ·不确定数据聚类算法 | 第28-31页 |
| ·不确定聚类与确定聚类算法区别 | 第28-29页 |
| ·基于划分的不确定数据聚类算法 | 第29-30页 |
| ·基于密度的不确定数据聚类算法 | 第30页 |
| ·基于概率分布相似性的不确定数据聚类算法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于相对密度的不确定数据聚类算法 | 第32-46页 |
| ·研究的动机与意义 | 第32页 |
| ·FDBSCAN算法介绍 | 第32-34页 |
| ·URDBC算法 | 第34-41页 |
| ·相关工作和定义 | 第34-37页 |
| ·算法的描述 | 第37-41页 |
| ·算法性能分析及仿真实验 | 第41-45页 |
| ·算法的时间复杂度 | 第41页 |
| ·实验结果与分析 | 第41-44页 |
| ·参数δ参考取值范围研究 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于连通分量的不确定数据分类属性聚类算法 | 第46-61页 |
| ·研究的动机与意义 | 第46-47页 |
| ·分类属性聚类算法介绍 | 第47-50页 |
| ·传统相似度定义存在的问题 | 第47页 |
| ·属性双重权重相似度定义 | 第47-50页 |
| ·CBCAUD算法 | 第50-53页 |
| ·不确定属性双重权重相似度定义 | 第51页 |
| ·算法的描述 | 第51-53页 |
| ·算法仿真实验结果分析 | 第53-60页 |
| ·算法的时间复杂度 | 第53-54页 |
| ·聚类精度 | 第54页 |
| ·实验结果与分析 | 第54-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 总结和展望 | 第61-63页 |
| ·本文主要成果及总结 | 第61-62页 |
| ·课题研究展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间参加的科研项目和成果 | 第68页 |
