基于数据场的聚类系统的设计与实现
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 研究现状及发展趋势 | 第12-13页 |
| 1.3 论文主要研究内容 | 第13-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 聚类分析概述 | 第17-29页 |
| 2.1 聚类分析的含义和处理步骤 | 第17-18页 |
| 2.2 常用聚类算法介绍 | 第18-23页 |
| 2.2.1 基于层次的聚类 | 第18-19页 |
| 2.2.2 基于划分的聚类 | 第19-20页 |
| 2.2.3 基于密度的聚类 | 第20-21页 |
| 2.2.4 基于网格的聚类 | 第21-22页 |
| 2.2.5 基于模型的聚类 | 第22-23页 |
| 2.3 对象间相似度度量 | 第23-25页 |
| 2.3.1 距离度量 | 第23-24页 |
| 2.3.2 相似度量 | 第24-25页 |
| 2.4 聚类算法的评价标准 | 第25-28页 |
| 2.4.1 外部评价法 | 第26页 |
| 2.4.2 内部评价法 | 第26-27页 |
| 2.4.3 相对评价法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 数据场概述 | 第29-38页 |
| 3.1 数据场的引入 | 第29-30页 |
| 3.2 数据势场 | 第30-34页 |
| 3.2.1 数据场势函数公式 | 第30-31页 |
| 3.2.2 影响因子d与势函数 | 第31-32页 |
| 3.2.3 影响因子d与数据势场 | 第32-34页 |
| 3.3 基于数据势场拓扑的层次聚类算法 | 第34-36页 |
| 3.4 基于数据势场拓扑的层次聚类的缺陷 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于数据场聚类算法的设计 | 第38-48页 |
| 4.1 算法的聚类思想 | 第38-39页 |
| 4.2 聚类中心点选取 | 第39-40页 |
| 4.3 噪声点的处理 | 第40-42页 |
| 4.4 参数sigma的讨论 | 第42-44页 |
| 4.4.1 一种基于经验的sigma选取方法 | 第42-43页 |
| 4.4.2 基于信息熵的sigma优选方法 | 第43-44页 |
| 4.5 算法的主要步骤 | 第44-47页 |
| 4.5.1 sigma的优选算法 | 第44-45页 |
| 4.5.2 数据势场层次类谱结构 | 第45-46页 |
| 4.5.3 数据点类簇的划分 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 基于数据场聚类算法的实验与分析 | 第48-59页 |
| 5.1 复杂形状聚类实验结果与分析 | 第48-53页 |
| 5.1.1 复杂形状聚类实验聚类质量分析 | 第49-52页 |
| 5.1.2 复杂形状聚类实验运行时间分析 | 第52-53页 |
| 5.1.3 复杂形状聚类实验小结 | 第53页 |
| 5.2 噪声点过滤实验结果与分析 | 第53-56页 |
| 5.3 人脸识别实验结果与分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间发表论文与研究成果清单 | 第65-66页 |
| 致谢 | 第66页 |
