| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·研究内容 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·本文内容及结构安排 | 第12-13页 |
| 第二章 数据挖掘及聚类分析技术 | 第13-28页 |
| ·数据挖掘概述 | 第13-14页 |
| ·聚类分析概述 | 第14-18页 |
| ·聚类的概念与应用 | 第14-15页 |
| ·数据挖掘对聚类的典型要求 | 第15-16页 |
| ·聚类方法的主要类型 | 第16-18页 |
| ·基于网格的聚类算法 | 第18-21页 |
| ·基于密度的聚类算法 | 第21-24页 |
| ·基于网格和密度方法的聚类算法 | 第24-27页 |
| ·基于网格和密度的聚类算法的基本思想 | 第24-25页 |
| ·当前的研究工作对网格粒度和密度阈值参数的处理方法 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于密网格最多原则的网格粒度求法 | 第28-38页 |
| ·最优网格粒度 | 第28-33页 |
| ·相关概念 | 第28-29页 |
| ·最优网格粒度及其划分过程 | 第29-33页 |
| ·基于密网格最多原则的聚类算法DSCA | 第33-35页 |
| ·DSCA 算法中用到的数据结构 | 第33-34页 |
| ·算法的实现 | 第34页 |
| ·时间复杂度分析 | 第34-35页 |
| ·获取最佳聚类结果 | 第35页 |
| ·实验结果及分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 一组密度阈值条件下的参数自动化聚类算法 | 第38-57页 |
| ·相关工作 | 第38-41页 |
| ·多个密度阈值条件下求密度阈值及网格粒度 | 第41-45页 |
| ·实验结果及分析 | 第45-52页 |
| ·BGDBSCAN 算法实验结果及分析 | 第45-49页 |
| ·BGDBSCAN 算法与DBSCAN 算法实验结果比较 | 第49-52页 |
| ·基于最佳网格粒度和密度阈值的车牌字符分割算法 | 第52-56页 |
| ·车牌字符分割概述 | 第52-53页 |
| ·GBACSLP 算法 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 结论与展望 | 第57-59页 |
| ·结论 | 第57-58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 附录（攻读硕士学位期间发表录用论文） | 第65-66页 |
| 详细摘要 | 第66-72页 |