| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 无监督聚类技术 | 第16-26页 |
| 2.1 聚类分析概述 | 第16-17页 |
| 2.2 聚类算法的要求 | 第17-19页 |
| 2.3 聚类的相似度 | 第19-20页 |
| 2.4 聚类准则函数 | 第20-21页 |
| 2.5 数据挖掘中的聚类分析方法 | 第21-25页 |
| 2.5.1 基于划分的聚类方法 | 第22页 |
| 2.5.2 基于密度的聚类方法 | 第22-23页 |
| 2.5.3 基于网格的聚类方法 | 第23-24页 |
| 2.5.4 基于层次的聚类方法 | 第24页 |
| 2.5.5 基于模型的聚类方法 | 第24页 |
| 2.5.6 聚类算法对比分析 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 行车热点中无监督聚类算法的改进 | 第26-48页 |
| 3.1 行车热点介绍 | 第26页 |
| 3.2 K-Means聚类算法分析 | 第26-30页 |
| 3.2.1 K-Means算法介绍 | 第27-28页 |
| 3.2.2 K-Means算法缺陷及改进 | 第28-30页 |
| 3.3 改进的KMSDR算法 | 第30-47页 |
| 3.3.1 初始聚类中心的查找 | 第30-35页 |
| 3.3.2 基于Dis(S，k)的聚类个数k的确定 | 第35-38页 |
| 3.3.3 簇内中心点的确定 | 第38-41页 |
| 3.3.4 簇内去除孤立点 | 第41-43页 |
| 3.3.5 KMSDR算法整体描述 | 第43-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 仿真与实现 | 第48-68页 |
| 4.1 实验仿真 | 第48-57页 |
| 4.1.1 实验参数及流程 | 第48-49页 |
| 4.1.2 实验结果 | 第49-57页 |
| 4.1.2.1 标准数据集的实验仿真 | 第49-51页 |
| 4.1.2.2 随机数据集的实验仿真 | 第51-53页 |
| 4.1.2.3 GPS数据集的实验仿真 | 第53-57页 |
| 4.2 行车数据分析系统架构 | 第57-66页 |
| 4.2.1 系统目标及价值 | 第57-58页 |
| 4.2.2 系统框架结构 | 第58-60页 |
| 4.2.2.1 MVC框架模式 | 第58-59页 |
| 4.2.2.2 系统功能结构 | 第59-60页 |
| 4.2.3 原始数据及数据库结构 | 第60-61页 |
| 4.2.4 算法处理模块 | 第61-62页 |
| 4.2.5 行车热点功能实现及应用实例 | 第62-66页 |
| 4.2.5.1 行车热点功能实现 | 第62-64页 |
| 4.2.5.2 行车热点应用实例 | 第64-66页 |
| 4.3 本章小结 | 第66-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |