基于子空间的高维数据流聚类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·传统的聚类算法 | 第11-14页 |
| ·数据流聚类算法 | 第14页 |
| ·基于子空间的数据流聚类算法 | 第14-16页 |
| ·存在的问题 | 第16页 |
| ·研究内容 | 第16-17页 |
| ·本文的组织结构 | 第17-18页 |
| 第2章 数据流聚类技术概述 | 第18-24页 |
| ·聚类技术 | 第18-19页 |
| ·聚类的定义 | 第18页 |
| ·聚类的典型要求 | 第18-19页 |
| ·数据流聚类技术 | 第19-21页 |
| ·数据流的定义 | 第19页 |
| ·数据流的特点 | 第19页 |
| ·数据流聚类的要求 | 第19-20页 |
| ·数据流聚类的相关技术 | 第20-21页 |
| ·基于子空间的数据流聚类技术 | 第21-23页 |
| ·子空间聚类概述 | 第21-22页 |
| ·子空间聚类的原理 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 高维数据流的自适应子空间聚类算法 | 第24-38页 |
| ·引言 | 第24-25页 |
| ·问题描述与定义 | 第25-27页 |
| ·自适应算法框架 | 第27-29页 |
| ·自适应内存的策略 | 第28页 |
| ·自适应CPU 负载的策略 | 第28-29页 |
| ·高维数据流的自适应子空间聚类算法 | 第29-36页 |
| ·高维数据的聚类分析过程 | 第29-30页 |
| ·确定子空间 | 第30-31页 |
| ·计算映射距离和界限半径 | 第31-33页 |
| ·在线聚类阶段 | 第33-35页 |
| ·离线聚类阶段 | 第35-36页 |
| ·性能分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于子空间的高维分类数据流聚类算法 | 第38-52页 |
| ·引言 | 第38-39页 |
| ·问题定义 | 第39-40页 |
| ·确定子空间 | 第40-43页 |
| ·初始化阶段 | 第43-45页 |
| ·基于子空间的高维分类数据流聚类算法 | 第45-50页 |
| ·SUBCStream 算法 | 第45-47页 |
| ·更新簇结构 | 第47-48页 |
| ·合并簇结构 | 第48-50页 |
| ·性能分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 算法实现与实验分析 | 第52-62页 |
| ·引言 | 第52页 |
| ·SAStream 算法的实验 | 第52-56页 |
| ·SAStream 算法的实验数据设置 | 第52-53页 |
| ·SAStream 算法的实验环境设置 | 第53页 |
| ·SAStream 算法的聚类质量评价 | 第53-54页 |
| ·SAStream 算法的执行效率评价 | 第54-56页 |
| ·SUBCStream 算法的实验 | 第56-60页 |
| ·SUBCStream 算法的实验数据设置 | 第56-57页 |
| ·SUBCStream 算法的实验环境设置 | 第57页 |
| ·SUBCStream 算法的聚类质量评价 | 第57-59页 |
| ·SUBCStream 算法的时间开销评价 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
