| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第一章 引言 | 第6-10页 |
| 1.1 选题的背景和意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 论文的主要研究内容和章节安排 | 第9-10页 |
| 第二章 基于聚类的超球区域划分 | 第10-21页 |
| 2.1 聚类算法简介 | 第10-15页 |
| 2.1.1 基于划分的聚类算法 | 第11-13页 |
| 2.1.2 基于层次的聚类算法 | 第13-14页 |
| 2.1.3 基于网格的聚类算法 | 第14页 |
| 2.1.4 基于密度的聚类算法 | 第14-15页 |
| 2.1.5 基于模型的聚类算法 | 第15页 |
| 2.2 聚类超球区域划分 | 第15-20页 |
| 2.2.1 聚类区域划分原理 | 第15-16页 |
| 2.2.2 聚类区域划分方法 | 第16-18页 |
| 2.2.3 基于聚类超球区域划分的初级分类器 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 基于密度的样本裁剪算法 | 第21-28页 |
| 3.1 基于密度的样本裁剪原理 | 第21-22页 |
| 3.2 基于密度的样本裁剪方法 | 第22-25页 |
| 3.3 样本裁剪相关参数的确定 | 第25-26页 |
| 3.4 本章小结 | 第26-28页 |
| 第四章 基于聚类和密度裁剪的改进KNN算法 | 第28-37页 |
| 4.1 聚类中心的选取算法 | 第28-30页 |
| 4.2 算法训练阶段 | 第30-31页 |
| 4.3 算法测试阶段 | 第31-33页 |
| 4.4 算法在测试分类阶段的时间复杂度分析 | 第33-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第五章 实验结果与分析 | 第37-43页 |
| 5.1 实验数据采集 | 第37页 |
| 5.2 实验设计 | 第37-38页 |
| 5.2.1 数据预处理 | 第37-38页 |
| 5.2.2 算法评判标准 | 第38页 |
| 5.3 实验结果与分析 | 第38-42页 |
| 5.3.1 经典KNN算法分类结果 | 第38-39页 |
| 5.3.2 其他两种改进KNN算法的分类结果 | 第39页 |
| 5.3.3 基于聚类和密度裁剪的改进KNN算法的分类结果 | 第39-40页 |
| 5.3.4 实验结果分析 | 第40-42页 |
| 5.4 本章小结 | 第42-43页 |
| 第六章 总结与展望 | 第43-45页 |
| 6.1 工作总结 | 第43-44页 |
| 6.2 工作展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 攻读学位期间的研究成果 | 第48-49页 |
| 致谢 | 第49-50页 |