| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 基于模型聚类的GMM研究现状 | 第11-13页 |
| 1.2.2 空间索引研究现状 | 第13-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 GMM聚类算法的基本原理 | 第18-28页 |
| 2.1 高斯混合模型概述 | 第18-22页 |
| 2.1.1 高斯分布 | 第18-19页 |
| 2.1.2 GMM相关概念 | 第19-22页 |
| 2.2 EM算法估计GMM参数 | 第22-25页 |
| 2.3 本章小结 | 第25-28页 |
| 第3章 基于GMM聚类算法的优化 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 基于BIRCH算法的高斯混合模型概述优化 | 第28-37页 |
| 3.2.1 BIRCH算法相关概念定义 | 第28-32页 |
| 3.2.2 改进的B-GMM算法 | 第32-37页 |
| 3.3 基于近似骨架的AB-EM优化算法 | 第37-40页 |
| 3.3.1 近似骨架理论简介 | 第37-38页 |
| 3.3.2 基于近似骨架的AB-EM优化算法 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 基于GMM改进算法的R*-树构建 | 第42-50页 |
| 4.1 引言 | 第42页 |
| 4.2 基于GMM改进算法的R*-树构建 | 第42-48页 |
| 4.2.1 传统R*-树的构建 | 第42-44页 |
| 4.2.2 基于GMM改进算法BAB-GMM的R*-树构建 | 第44-48页 |
| 4.3 本章小结 | 第48-50页 |
| 第5章 实验设计与结果分析 | 第50-60页 |
| 5.1 基于GMM的EM优化算法实验分析 | 第50-54页 |
| 5.1.1 实验评价指标和数据集 | 第50-51页 |
| 5.1.2 实验结果展示与分析 | 第51-54页 |
| 5.2 基于改进的GMM对R*-树构建方法实验分析 | 第54-57页 |
| 5.2.1 实验评价指标和数据集 | 第55页 |
| 5.2.2 实验结果展示与分析 | 第55-57页 |
| 5.3 本章小结 | 第57-60页 |
| 结论 | 第60-61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 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67页 |