基于信息熵的空间对象群聚类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-20页 |
| ·研究背景与意义 | 第9-11页 |
| ·研究现状 | 第11-18页 |
| ·传统空间对象聚类方法 | 第13-15页 |
| ·仿生进化聚类方法 | 第15-17页 |
| ·信息熵聚类方法 | 第17-18页 |
| ·本文的研究内容 | 第18-20页 |
| 第2章 空间对象群聚类研究的基础 | 第20-27页 |
| ·空间聚类中的相似性度量方法 | 第20-23页 |
| ·蚁群聚类思想及方法 | 第23-25页 |
| ·信息熵聚类思想及方法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 空间对象群聚类问题的引入 | 第27-34页 |
| ·空间对象拓扑关系概述 | 第27-28页 |
| ·空间对象群描述 | 第28-31页 |
| ·相关概念 | 第28-30页 |
| ·空间数据集预处理算法分析 | 第30-31页 |
| ·空间对象群聚类问题分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于信息熵的空间对象群聚类算法 | 第34-46页 |
| ·算法思想 | 第34页 |
| ·算法描述 | 第34-40页 |
| ·相关概念 | 第34-37页 |
| ·算法步骤 | 第37-40页 |
| ·实验结果与分析 | 第40-44页 |
| ·ESOGC算法在人工数据集上的测试 | 第40-42页 |
| ·ESOGC算法在我国森林数据集上的测试 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第5章 基于相似性计算的空间对象群聚类算法 | 第46-54页 |
| ·算法思想 | 第46页 |
| ·算法描述 | 第46-51页 |
| ·相关概念 | 第46-49页 |
| ·算法步骤 | 第49-51页 |
| ·实验结果与分析 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第6章 结束语 | 第54-55页 |
| ·总结 | 第54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 在读期间发表的学术论文及研究成果 | 第61-62页 |
| 致谢 | 第62页 |
