| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 选题的背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文研究内容 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 H-K聚类算法相关理论与技术 | 第17-28页 |
| 2.1 聚类分析概述 | 第17页 |
| 2.2 聚类算法 | 第17-22页 |
| 2.2.1 划分方法 | 第18-20页 |
| 2.2.2 层次方法 | 第20-21页 |
| 2.2.3 密度方法 | 第21-22页 |
| 2.2.4 网格方法 | 第22页 |
| 2.3 距离与相似性的度量 | 第22-26页 |
| 2.3.1 距离函数 | 第22-23页 |
| 2.3.2 相似系数 | 第23-25页 |
| 2.3.3 类间距离 | 第25-26页 |
| 2.4 H-K聚类算法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于距离评价函数和熵的聚类算法-HKDE算法 | 第28-38页 |
| 3.1 HKDE算法相关技术及理论 | 第28-34页 |
| 3.1.1 K值范围 | 第28-29页 |
| 3.1.2 距离评价函数 | 第29-30页 |
| 3.1.3 信息熵 | 第30-33页 |
| 3.1.4 距离阈值 ε | 第33页 |
| 3.1.5 kd-树 | 第33-34页 |
| 3.2 HKDE算法 | 第34-36页 |
| 3.2.1 算法思想 | 第34-35页 |
| 3.2.2 算法描述 | 第35-36页 |
| 3.2.3 时间复杂度分析 | 第36页 |
| 3.3 算法对比分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 仿真实验与结果分析 | 第38-45页 |
| 4.1 实验环境及数据集 | 第38页 |
| 4.2 聚类效果评价 | 第38-39页 |
| 4.3 实验分析与对比 | 第39-44页 |
| 4.3.1 算法聚类质量 | 第39-41页 |
| 4.3.2 算法效率 | 第41-42页 |
| 4.3.3 多维数据处理 | 第42-43页 |
| 4.3.4 参数对算法的影响 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50页 |