基于聚类的数据挖掘技术在未来网络基站部署策略中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章. 绪论 | 第10-16页 |
| 1.1. 研究背景 | 第10-11页 |
| 1.1.1. 未来无线网络部署特点 | 第10-11页 |
| 1.1.2. 数据挖掘技术 | 第11页 |
| 1.2. 国内外研究现状 | 第11-14页 |
| 1.2.1. 国外研究现状 | 第12-13页 |
| 1.2.2. 国内研究现状 | 第13-14页 |
| 1.3. 论文研究内容与意义 | 第14-15页 |
| 1.3.1. 研究意义 | 第14页 |
| 1.3.2. 研究意义 | 第14-15页 |
| 1.4. 论文组织结构 | 第15-16页 |
| 第二章. 研究方案与数据预处理 | 第16-35页 |
| 2.1. 研究方案描述 | 第16-21页 |
| 2.1.1. 数据分析 | 第16-20页 |
| 2.1.2. 方案流程 | 第20-21页 |
| 2.2. 聚类算法的分析与比较 | 第21-28页 |
| 2.2.1. 基于划分的聚类 | 第21-23页 |
| 2.2.2. 基于密度的聚类 | 第23-26页 |
| 2.2.3. 层次聚类 | 第26页 |
| 2.2.4. 距离度量 | 第26-28页 |
| 2.3. 实验数据预处理 | 第28-32页 |
| 2.3.1. 数据筛选 | 第28-29页 |
| 2.3.2. 数据合并与画像提取 | 第29-30页 |
| 2.3.3. 归一化 | 第30-32页 |
| 2.4. 数据预处理结果 | 第32-34页 |
| 2.5. 本章小结 | 第34-35页 |
| 第三章. 孤立点筛查与K-MEANS关键参数选取 | 第35-49页 |
| 3.1. 孤立点筛查算法 | 第35-40页 |
| 3.1.1. 传统的孤立点筛查算法 | 第36-39页 |
| 3.1.2. K-Dist算法 | 第39-40页 |
| 3.2. K-MEANS关键参数的选取 | 第40-47页 |
| 3.2.1. 传统的轮廓系数算法 | 第41-44页 |
| 3.2.2. 改进的轮廓系数算法 | 第44-46页 |
| 3.2.3. SSE与MSE指标 | 第46-47页 |
| 3.3. 聚类质量的评价 | 第47-48页 |
| 3.4. 本章小结 | 第48-49页 |
| 第四章. 基于自适应K-MEANS算法的基站选址 | 第49-66页 |
| 4.1. 算法描述 | 第49-57页 |
| 4.1.1. 密度迁移 | 第51-54页 |
| 4.1.2. 初始质心选取 | 第54-55页 |
| 4.1.3. 分裂决策与划分调整 | 第55-57页 |
| 4.2. 算法性能分析 | 第57-61页 |
| 4.3. 聚类结果及地图映射 | 第61-64页 |
| 4.4. 本章小结 | 第64-66页 |
| 第五章. 总结与展望 | 第66-68页 |
| 5.1. 本文工作总结 | 第66页 |
| 5.2. 未来工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
