大型不确定数据库的有效聚类
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-11页 |
| ·研究背景 | 第8页 |
| ·研究内容及意义 | 第8-10页 |
| ·研究现状 | 第8-9页 |
| ·研究的目的和意义 | 第9-10页 |
| ·本文研究的内容 | 第10页 |
| ·本文的组织结构 | 第10-11页 |
| 第二章 数据挖掘及聚类 | 第11-21页 |
| ·引言 | 第11页 |
| ·数据挖掘概述 | 第11-13页 |
| ·数据挖掘的概念 | 第11页 |
| ·数据挖掘的起源 | 第11-12页 |
| ·数据挖掘面临的问题 | 第12-13页 |
| ·数据挖掘的方法 | 第13-14页 |
| ·聚类 | 第14-20页 |
| ·聚类的相关概念 | 第14-16页 |
| ·聚类的要求 | 第16-17页 |
| ·聚类的方法 | 第17-18页 |
| ·K均值算法 | 第18-19页 |
| ·聚类的应用 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 不确定数据的聚类及其经典算法 | 第21-34页 |
| ·引言 | 第21页 |
| ·相关定义 | 第21-22页 |
| ·不确定数据的聚类的经典算法 | 第22-34页 |
| ·uk均值算法 | 第23-24页 |
| ·最小最大距离剪枝算法 | 第24-31页 |
| ·ck均值算法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 大型不确定数据集的有效聚类 | 第34-46页 |
| ·引言 | 第34页 |
| ·基于k-d树的优化算法 | 第34-38页 |
| ·k-d树 | 第34-35页 |
| ·优化算法 | 第35-38页 |
| ·基于CF树的优化算法 | 第38-46页 |
| ·CF树 | 第38-39页 |
| ·CF树的构造 | 第39-41页 |
| ·CF树的重建 | 第41-42页 |
| ·优化算法 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 实验分析 | 第46-50页 |
| ·引言 | 第46页 |
| ·实验环境和数据 | 第46页 |
| ·实验结果 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-51页 |
| ·研究工作总结 | 第50页 |
| ·未来工作展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 研究生期间发表的论文 | 第55-56页 |
| 致谢 | 第56页 |
