| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 机场噪声预测研究现状 | 第11-12页 |
| 1.2.2 数据挖掘研究现状 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 章节安排 | 第14-16页 |
| 第二章 数据挖掘中的聚类分析 | 第16-30页 |
| 2.1 数据挖掘概述 | 第16-17页 |
| 2.2 聚类基本概念 | 第17-20页 |
| 2.2.1 聚类定义 | 第18页 |
| 2.2.2 距离函数 | 第18-20页 |
| 2.3 主要聚类方法综述 | 第20-26页 |
| 2.3.1 基于划分的聚类算法 | 第20-22页 |
| 2.3.2 基于层次的聚类算法 | 第22-24页 |
| 2.3.3 基于密度的聚类算法 | 第24-25页 |
| 2.3.4 基于网格的聚类算法 | 第25-26页 |
| 2.3.5 基于模型的聚类算法 | 第26页 |
| 2.4 聚类有效性评价 | 第26-28页 |
| 2.4.1 内部度量 | 第26-27页 |
| 2.4.2 外部度量 | 第27-28页 |
| 2.4.3 相对度量 | 第28页 |
| 2.5 聚类算法面临的挑战 | 第28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 基于数据挖掘的机场噪声预测方法 | 第30-43页 |
| 3.1 机场噪声预测模型的构建 | 第30-31页 |
| 3.2 机场噪声数据在聚类分析中的概念 | 第31-33页 |
| 3.2.1 机场噪声数据基本概念 | 第31-32页 |
| 3.2.2 机场噪声数据特征 | 第32页 |
| 3.2.3 机场噪声数据在聚类分析中的相关概念 | 第32-33页 |
| 3.3 基于代表点的快速层次聚类算法 | 第33-38页 |
| 3.3.1 改进传统层次聚类算法的策略 | 第34-35页 |
| 3.3.2 基于代表点的二分法快速聚类算法 | 第35-36页 |
| 3.3.3 基于代表点的传统层次聚类算法 | 第36-38页 |
| 3.4 聚类代表点和聚类算法相似性定义相结合的聚类结果评价方法 | 第38-42页 |
| 3.4.1 聚类评价原则 | 第38-39页 |
| 3.4.2 评价方法描述 | 第39-40页 |
| 3.4.3 聚类结果评价方法在机场噪声预测研究中的应用 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 聚类方法在机场噪声预测中的应用与分析 | 第43-58页 |
| 4.1 机场噪声影响因素的分析与实验数据的获取 | 第43-49页 |
| 4.1.1 机场噪声影响因素分析 | 第43-44页 |
| 4.1.2 机场噪声实验数据的获取 | 第44-49页 |
| 4.2 机场噪声数据的预处理 | 第49-51页 |
| 4.3 实验与分析 | 第51-57页 |
| 4.3.1 实验平台及环境 | 第51页 |
| 4.3.2 实验验证及分析 | 第51-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者简介 | 第64页 |