| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景与意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文研究内容 | 第10-11页 |
| ·抽样在大规模数据集聚类分析中的研究 | 第10页 |
| ·大规模数据集网格划分技术的研究 | 第10-11页 |
| ·本文组织结构 | 第11页 |
| ·本章小结 | 第11-12页 |
| 第二章 聚类分析 | 第12-24页 |
| ·聚类分析 | 第12页 |
| ·聚类算法 | 第12-14页 |
| ·经典聚类算法 | 第14-19页 |
| ·K-Means 算法 | 第14-15页 |
| ·BIRCH 算法 | 第15-16页 |
| ·DBSCAN 算法 | 第16-17页 |
| ·STING 算法 | 第17-18页 |
| ·EM 算法 | 第18-19页 |
| ·大规模数据集聚类算法 | 第19-23页 |
| ·基于抽样的方法 | 第19-20页 |
| ·基于聚类特征概括的方法 | 第20-21页 |
| ·基于约束信息的半监督聚类算法 | 第21-22页 |
| ·基于分布式平台的聚类算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 抽样在大规模数据集聚类分析中的应用 | 第24-30页 |
| ·抽样 | 第24-25页 |
| ·抽样概述 | 第24页 |
| ·抽样策略 | 第24-25页 |
| ·数据挖掘中的抽样 | 第25-28页 |
| ·抽样在数据挖掘中的作用 | 第25-26页 |
| ·数据挖掘中的抽样策略 | 第26-27页 |
| ·抽样在数据挖掘中的注意事项 | 第27-28页 |
| ·大规模数据集聚类分析中的抽样 | 第28-29页 |
| ·简单随机抽样在大规模数据集聚类分析中的应用 | 第28-29页 |
| ·蓄水池抽样在大规模数据集聚类分析中的应用 | 第29页 |
| ·密度偏差抽样在大规模数据集聚类分析中的应用 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于可变网格划分的密度偏差抽样算法 | 第30-50页 |
| ·密度偏差抽样 | 第30-31页 |
| ·密度偏差抽样基本理论 | 第30-31页 |
| ·密度偏差抽样实现过程 | 第31页 |
| ·网格划分方法 | 第31-32页 |
| ·固定网格划分方法 | 第31-32页 |
| ·可变网格划分方法 | 第32页 |
| ·一种新的可变网格划分算法 | 第32-35页 |
| ·算法描述 | 第32-35页 |
| ·参数设置 | 第35页 |
| ·基于可变网格划分的密度偏差抽样算法 | 第35-37页 |
| ·算法描述 | 第36-37页 |
| ·参数设置 | 第37页 |
| ·实验与分析 | 第37-49页 |
| ·实验数据集 | 第37页 |
| ·抽样效果对比分析 | 第37-39页 |
| ·参数设置对比分析 | 第39-42页 |
| ·样本质量对比分析 | 第42-46页 |
| ·执行时间对比分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 VG_DBS 算法在大规模位置数据集聚类分析中的应用 | 第50-66页 |
| ·WEKA 平台及二次开发 | 第50-51页 |
| ·WEKA 平台 | 第50页 |
| ·WEKA 二次开发 | 第50-51页 |
| ·WEKA 中的 Filter 扩展 | 第51页 |
| ·VG_DBS 算法在 WEKA 平台中的实现 | 第51-53页 |
| ·Eclipse 环境下配置 VG_DBS 算法 | 第51-52页 |
| ·VG_DBS 算法在 WEKA 平台中的实现 | 第52-53页 |
| ·实验与分析 | 第53-65页 |
| ·实验数据集 | 第53-54页 |
| ·抽样效果对比分析 | 第54-56页 |
| ·执行时间对比分析 | 第56-59页 |
| ·样本质量对比分析 | 第59-64页 |
| ·聚类结果分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 主要结论与展望 | 第66-67页 |
| 主要结论 | 第66页 |
| 展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第73页 |