首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于相对熵和网格密度过滤的聚类算法研究

摘要第1-6页
Abstract第6-10页
第1章 绪论第10-16页
   ·聚类分析第10-14页
     ·聚类分析的研究背景及意义第10-11页
     ·聚类分析的国内外研究现状第11-13页
     ·聚类分析遇到的主要问题第13-14页
   ·课题研究的主要内容第14-15页
   ·本文组织结构安排第15-16页
第2章 基于网格密度的相关聚类算法分析第16-25页
   ·基于密度的聚类算法第16-19页
     ·基于密度的聚类思想第16-17页
     ·经典的基于密度的聚类算法第17-19页
   ·基于网格的聚类算法第19-22页
     ·基于网格的聚类思想第19-20页
     ·经典的基于网格的聚类算法第20-22页
   ·基于网格密度的改进算法第22-24页
   ·本章小结第24-25页
第3章 基于相对熵的网格密度聚类算法第25-35页
   ·引言第25-26页
   ·问题定义第26-28页
   ·GDBRE 算法思想第28页
   ·GDBRE 算法关键技术分析第28-31页
     ·网格划分因子的选取第28-29页
     ·密度阈值的选取第29-30页
     ·簇边缘的处理第30-31页
   ·GDBRE 算法描述第31-33页
   ·GDBRE 算法分析第33页
   ·本章小结第33-35页
第4章 基于网格密度过滤的子空间聚类算法第35-44页
   ·引言第35-36页
   ·SCGDF 算法思想第36-37页
   ·SCGDF 算法关键技术第37-41页
     ·超立方体网格过滤第37-38页
     ·超立方体网格过滤有效性证明第38-40页
     ·最小密度阈值过滤第40-41页
     ·最小密度阈值过滤有效性证明第41页
   ·SCGDF 算法描述第41-43页
   ·SCGDF 算法分析第43页
   ·本章小结第43-44页
第5章 算法实现及实验分析第44-51页
   ·数据集的来源第44页
   ·实验环境及配置第44页
   ·GDBRE 算法性能分析第44-47页
     ·GDBRE 算法聚类质量第45-46页
     ·GDBRE 算法聚类可扩展性第46-47页
   ·SCGDF 算法性能分析第47-49页
     ·SCGDF 算法聚类质量第47-49页
     ·SCGDF 算法聚类可扩展性第49页
   ·本章小结第49-51页
结论第51-53页
参考文献第53-57页
攻读硕士学位期间承担的科研任务与主要成果第57-58页
致谢第58-59页
作者简介第59页

论文共59页,点击 下载论文
上一篇:基于流形学习的癌症基因表达数据聚类分析
下一篇:基于字典学习及压缩感知的高光谱图像重构算法研究