| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 聚类分析 | 第11-17页 |
| 1.2.1 聚类概述 | 第11-13页 |
| 1.2.2 相似性度量 | 第13-15页 |
| 1.2.3 有效性评价 | 第15-17页 |
| 1.3 文章主要研究工作 | 第17页 |
| 1.3.1 提出一种基于密度的统计合并聚类算法 | 第17页 |
| 1.3.2 提出一种大数据的密度统计合并算法 | 第17页 |
| 1.4 文章章节安排 | 第17-19页 |
| 第二章 聚类算法概述 | 第19-28页 |
| 2.1 传统聚类算法概述 | 第19-23页 |
| 2.1.1 划分聚类算法 | 第19-21页 |
| 2.1.2 层次聚类算法 | 第21页 |
| 2.1.3 基于密度的聚类算法 | 第21-23页 |
| 2.1.4 基于网格的聚类算法 | 第23页 |
| 2.1.5 基于模型的聚类算法 | 第23页 |
| 2.2 大数据聚类算法概述 | 第23-28页 |
| 2.2.1 CLARA/CLARANS算法 | 第25页 |
| 2.2.2 BITCH算法 | 第25-26页 |
| 2.2.3 CURE算法 | 第26-28页 |
| 第三章 DSM：基于密度的统计合并聚类算法 | 第28-40页 |
| 3.1 DSM算法 | 第28-31页 |
| 3.1.1 统计模型 | 第28-29页 |
| 3.1.2 统计合并判定准则 | 第29-31页 |
| 3.1.3 合并顺序 | 第31页 |
| 3.2 DSM算法的实现 | 第31-33页 |
| 3.3 时空复杂度分析 | 第33-34页 |
| 3.4 实验比较与评价 | 第34-40页 |
| 3.4.1 形状不同的人工数据集实验 | 第34-35页 |
| 3.4.2 重叠程度不同的人工数据集实验 | 第35-37页 |
| 3.4.3 噪声点个数不同的人工数据集实验 | 第37页 |
| 3.4.4 混合形状的人工数据集实验 | 第37页 |
| 3.4.5 真实数据集实验 | 第37-38页 |
| 3.4.6 DSM算法参数分析 | 第38-40页 |
| 第四章 DSML：大数据的密度统计合并算法 | 第40-52页 |
| 4.1 Statistical Leaders算法 | 第41-47页 |
| 4.1.1 Leaders算法 | 第41-42页 |
| 4.1.2 Statistical Leaders算法 | 第42-43页 |
| 4.1.3 实验比较与评价 | 第43-47页 |
| 4.1.3.1 Statistical Leaders算法的参数分析 | 第44-46页 |
| 4.1.3.2 Statistical Leaders算法与Leaders算法的对比分析 | 第46-47页 |
| 4.2 DSML算法 | 第47-52页 |
| 4.2.1 DSML算法的聚类过程 | 第47-48页 |
| 4.2.2 时空复杂度分析 | 第48页 |
| 4.2.3 实验比较与评价 | 第48-52页 |
| 4.2.3.1 人工数据集的聚类效果对比实验 | 第49页 |
| 4.2.3.2 真实数据集的聚类效果对比实验 | 第49-50页 |
| 4.2.3.3 DSML算法的参数分析 | 第50-51页 |
| 4.2.3.4 执行效率的对比实验 | 第51-52页 |
| 第五章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 在学期间的研究成果及发表的学术论文 | 第57页 |
