空间数据挖掘的聚类方法与应用
| 摘 要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题背景 | 第11-13页 |
| ·选题意义及课题任务 | 第13-14页 |
| ·选题意义 | 第13-14页 |
| ·课题任务 | 第14页 |
| ·内容组织 | 第14-16页 |
| 第二章 空间数据挖掘概述 | 第16-24页 |
| ·前言 | 第16页 |
| ·空间数据挖掘方法和技术 | 第16-20页 |
| ·空间数据挖掘 | 第16-17页 |
| ·空间数据挖掘的特点 | 第17-18页 |
| ·空间数据挖掘的任务和方法 | 第18-19页 |
| ·空间数据挖掘的过程 | 第19-20页 |
| ·空间数据挖掘的体系结构 | 第20-21页 |
| ·空间数据挖掘的研究与应用 | 第21-22页 |
| ·空间数据挖掘有待研究的问题 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 空间数据聚类分析 | 第24-39页 |
| ·前言 | 第24页 |
| ·聚类分析概述 | 第24-25页 |
| ·空间聚类分析算法 | 第25-37页 |
| ·1 划分聚类算法 | 第26-27页 |
| ·层次聚类算法 | 第27-29页 |
| ·基于密度的聚类算法 | 第29-32页 |
| ·基于网格的聚类算法 | 第32-34页 |
| ·基于模型的聚类方法 | 第34-35页 |
| ·高维数据聚类算法 | 第35-37页 |
| ·聚类算法比较 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第四章 基于 WEB 的数据挖掘服务系统 | 第39-69页 |
| ·系统概述 | 第39-42页 |
| ·系统功能和特点 | 第39-41页 |
| ·系统运行环境 | 第41页 |
| ·相关技术和背景 | 第41-42页 |
| ·系统总体结构 | 第42-46页 |
| ·系统功能模块 | 第42-44页 |
| ·系统结构 | 第44-46页 |
| ·系统 EJB 服务端实现 | 第46-55页 |
| ·EJB 相关知识 | 第46-48页 |
| ·EJB 服务端结构 | 第48-49页 |
| ·EJB 服务端与 Web 服务端的交互 | 第49-50页 |
| ·Facade EJB 的实现 | 第50-53页 |
| ·EJB 提供的功能 | 第53-55页 |
| ·WEB 服务端预处理模块的实现 | 第55-61页 |
| ·Struts 框架 | 第55-56页 |
| ·系统网页流程 | 第56-57页 |
| ·预处理模块的具体实现 | 第57-61页 |
| ·系统文件结构 | 第61-62页 |
| ·开发中的关健问题 | 第62-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 基于 GHSOM 的聚类方法及实现 | 第69-88页 |
| ·前言 | 第69页 |
| ·GHSOM 网络简介 | 第69-77页 |
| ·SOM 网络与自组织映射学习算法 | 第69-71页 |
| ·GHSOM 网络结构 | 第71-72页 |
| ·GHSOM 训练过程 | 第72-76页 |
| ·改进学习算法 | 第76-77页 |
| ·实验结果 | 第77-82页 |
| ·拟合数据的实验 | 第77-79页 |
| ·真实数据的实验 | 第79-81页 |
| ·算法的不足 | 第81-82页 |
| ·算法实现 | 第82-87页 |
| ·GHSOM 类的实现 | 第82-86页 |
| ·算法的集成 | 第86-87页 |
| ·本章小结 | 第87-88页 |
| 第六章 论文总结 | 第88-90页 |
| ·总结 | 第88-89页 |
| ·展望 | 第89-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 附录1 | 第95-96页 |
| 附录2 | 第96-97页 |
| 作者简介 | 第97页 |
