基于密度的不确定数据聚类研究
| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-11页 |
| ·研究背景 | 第6-7页 |
| ·研究意义 | 第7页 |
| ·国内外研究现状 | 第7-9页 |
| ·国外研究现状 | 第7-8页 |
| ·国内研究现状 | 第8-9页 |
| ·本文研究内容及结构 | 第9-11页 |
| ·论文研究内容 | 第9页 |
| ·论文的组织结构 | 第9-11页 |
| 第二章 不确定数据及其聚类算法研究 | 第11-23页 |
| ·不确定数据的研究 | 第11-14页 |
| ·不确定数据概述 | 第11页 |
| ·不确定数据分类 | 第11-12页 |
| ·不确定数据的模型 | 第12-14页 |
| ·不确定聚类算法研究 | 第14-22页 |
| ·不确定聚类与确定聚类算法区别 | 第14页 |
| ·不确定数据聚类方法的改进 | 第14-16页 |
| ·不确定聚类算法的基础 | 第16-19页 |
| ·不确定数据聚类算法的具体改进 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 EnDBSCAN算法的设计思想 | 第23-29页 |
| ·EnDBSCAN算法的数据表示 | 第23页 |
| ·EnDBSCAN算法的思想基础 | 第23-24页 |
| ·基于密度的聚类算法的思想 | 第24页 |
| ·EnDBSCAN算法改进的着眼点 | 第24页 |
| ·EnDBSCAN算法的设计思想 | 第24-25页 |
| ·EnDBSCAN算法对DBSCAN算法的改进 | 第25-28页 |
| ·改进点一——概率半径的引入 | 第25-27页 |
| ·改进点二——信息熵的引入 | 第27页 |
| ·使用网格技术提高算法效率 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 EnDBSCAN算法的详细设计 | 第29-36页 |
| ·数据的建模 | 第29-30页 |
| ·相关定义 | 第30-31页 |
| ·EnDBSCAN聚类过程 | 第31-33页 |
| ·EnDBSCAN算法的存储结构 | 第31-33页 |
| ·算法描述 | 第33页 |
| ·EnDBSCAN算法分析 | 第33-35页 |
| ·EnDBSCAN算法的聚类效果分析 | 第33-34页 |
| ·EnDBSCAN算法的时间复杂度 | 第34页 |
| ·EnDBSCAN算法的空间复杂度 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 EnDBSCAN算法的实现 | 第36-45页 |
| ·EnDBSCAN算法有效性验证 | 第36-43页 |
| ·实现的数据集来源 | 第36-38页 |
| ·不确定数据集的生成 | 第38页 |
| ·不确定数据集的后期处理 | 第38-39页 |
| ·EnDBSCAN算法的实现 | 第39-40页 |
| ·用紧密度与分离度验证聚类结果 | 第40-41页 |
| ·EnDBSCAN聚类结果分析 | 第41-43页 |
| ·EnDBSCAN算法的实际应用 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第六章 总结与展望 | 第45-46页 |
| ·论文总结 | 第45页 |
| ·下一步工作展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 作者简介 | 第51页 |
| 攻读硕士学位期间研究成果 | 第51-52页 |
