| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 主要研究问题 | 第8页 |
| 1.1.3 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 密度聚类研究现状 | 第9-10页 |
| 1.2.2 网格聚类研究现状 | 第10-11页 |
| 1.2.3 城市热点区域发现研究现状 | 第11页 |
| 1.3 研究内容和组织结构 | 第11-14页 |
| 1.3.1 主要研究内容 | 第11-12页 |
| 1.3.2 组织结构 | 第12-14页 |
| 2 密度峰值聚类算法简介 | 第14-22页 |
| 2.1 DPC算法的相关参数 | 第14-15页 |
| 2.2 DPC算法聚类过程及复杂度分析 | 第15-17页 |
| 2.3 DPC算法缺陷分析 | 第17-18页 |
| 2.4 高维数据降维方法 | 第18-20页 |
| 2.5 聚类算法评价指标 | 第20-22页 |
| 2.5.1 聚类效果评价指标 | 第20-21页 |
| 2.5.2 聚类效率评价指标 | 第21-22页 |
| 3 基于网格的密度峰值聚类算法 | 第22-35页 |
| 3.1 Grid_DPC算法框架 | 第22-23页 |
| 3.2 相关定义 | 第23-25页 |
| 3.3 参数设定 | 第25-26页 |
| 3.4 算法步骤 | 第26-27页 |
| 3.5 复杂度分析 | 第27-28页 |
| 3.6 数值实验 | 第28-34页 |
| 3.6.1 低维数据集 | 第28-32页 |
| 3.6.2 高维数据集 | 第32-34页 |
| 3.7 本章小结 | 第34-35页 |
| 4 Grid_DPC算法在出租车轨迹数据集上的应用 | 第35-49页 |
| 4.1 基于Grid_DPC算法的乘客上下车热点区域发现 | 第35-40页 |
| 4.1.1 数据集描述 | 第35-36页 |
| 4.1.2 数据预处理 | 第36-37页 |
| 4.1.3 聚类过程及结果分析 | 第37-40页 |
| 4.1.4 算法运行时长对比 | 第40页 |
| 4.2 热点区域司机载客收入分析 | 第40-45页 |
| 4.3 基于热点区域间流量的聚类 | 第45-48页 |
| 4.3.1 热点区域间来往频次 | 第45-46页 |
| 4.3.2 热点区域聚类 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-58页 |