基于密度的分布式聚类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景 | 第9-10页 |
| ·课题的目的和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文的主要内容和组织结构 | 第13-14页 |
| 第2章 Java Data Mining规范 | 第14-23页 |
| ·JDM的三个组成部分 | 第14-15页 |
| ·JDM API的介绍: | 第15-20页 |
| ·dataminig包 | 第16页 |
| ·data包 | 第16-17页 |
| ·base包 | 第17-18页 |
| ·resource包 | 第18-20页 |
| ·task包 | 第20页 |
| ·使用JDM API进行挖掘 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 数据挖掘和聚类分析 | 第23-33页 |
| ·KDD的步骤 | 第23-24页 |
| ·数据挖掘的方法 | 第24-26页 |
| ·关联规则挖掘 | 第24页 |
| ·决策树 | 第24-25页 |
| ·神经网络 | 第25页 |
| ·粗糙集 | 第25页 |
| ·遗传算法 | 第25-26页 |
| ·聚类分析 | 第26-29页 |
| ·聚类分析的数据类型 | 第26-27页 |
| ·聚类分析的方法 | 第27-29页 |
| ·DBSCAN和DBDC算法 | 第29-32页 |
| ·DBSCAN算法 | 第29-31页 |
| ·DBDC算法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 一种基于密度的分布式聚类算法 | 第33-55页 |
| ·分布式聚类挖掘的步骤 | 第33-35页 |
| ·基于局部簇的聚类 | 第33页 |
| ·基于代表点的聚类 | 第33-35页 |
| ·选择局部代表点 | 第35-44页 |
| ·局部聚类的相关概念 | 第35-37页 |
| ·局部聚类的过程 | 第37-39页 |
| ·局部聚类的数据结构 | 第39-44页 |
| ·计算Eps和MinPts | 第44页 |
| ·计算全局聚类模型 | 第44-51页 |
| ·全局聚类的相关概念 | 第45-46页 |
| ·全局聚类的过程描述 | 第46-47页 |
| ·全局聚类的数据结构 | 第47-50页 |
| ·计算相交域 | 第50页 |
| ·调整局部聚类模型 | 第50-51页 |
| ·性能比较 | 第51-52页 |
| ·局部聚类 | 第51页 |
| ·全局聚类 | 第51-52页 |
| ·实验 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第61-62页 |
| 致谢 | 第62页 |
