| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| ·数据挖掘的概念、过程、主要方法和应用 | 第10-16页 |
| ·数据挖掘的概念 | 第10页 |
| ·数据挖掘的过程 | 第10页 |
| ·数据挖掘的主要任务 | 第10-15页 |
| ·数据挖掘的应用 | 第15-16页 |
| ·本文章节安排 | 第16-17页 |
| 第二章 聚类分析的基本概念和方法 | 第17-24页 |
| ·聚类的定义 | 第17页 |
| ·聚类中相似度的度量 | 第17-20页 |
| ·主要的聚类方法 | 第20-22页 |
| ·聚类衡量的标准 | 第20-21页 |
| ·主要的聚类方法 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 高维海量数据聚类算法分析 | 第24-33页 |
| ·高维海量数据的特点 | 第24-25页 |
| ·高维数据的稀疏性 | 第24页 |
| ·维度困扰 | 第24-25页 |
| ·高维数据聚类的难点 | 第25-26页 |
| ·高维海量数据聚类算法的研究现状 | 第26-32页 |
| ·属性转换(Dimensionality Transformations) | 第26-27页 |
| ·子空间聚类 | 第27-30页 |
| ·协同聚类 | 第30-31页 |
| ·其它高维聚类技术 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 优化的基于网格和密度的子空间聚类 | 第33-45页 |
| ·基于网格和密度的子空间聚类算法ENCLUS | 第33-37页 |
| ·算法ENCLUS中的基本概念 | 第33-34页 |
| ·算法ENCLUS的主要步骤 | 第34-37页 |
| ·优化的基于网格和密度的子空间聚类算法 | 第37-44页 |
| ·算法OGBS中用到的定义 | 第37-39页 |
| ·算法OGBS的步骤 | 第39-41页 |
| ·OGBS算法的实验对比和性能分析 | 第41-44页 |
| ·本章小节 | 第44-45页 |
| 第五章 OGDS算法在高光谱遥感土地分类中的应用和改进 | 第45-52页 |
| ·高光谱遥感数据简介及其应用前景 | 第45-51页 |
| ·数据的预处理 | 第48页 |
| ·空间连续性在高光谱遥感数据聚类分析中的应用 | 第48-49页 |
| ·OGBS算法和Envi软件包中聚类算法效果的对比 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·本文工作的总结 | 第52页 |
| ·需要进一步研究的问题 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间发表论文及参与的科研项目 | 第59页 |
