数据流中基于区间划分的高维聚类算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文研究的内容 | 第13-14页 |
| ·本文组织结构 | 第14-16页 |
| 第2章 聚类分析技术 | 第16-26页 |
| ·聚类分析方法 | 第16-17页 |
| ·聚类分析的分类 | 第17-21页 |
| ·聚类方法的应用 | 第21-22页 |
| ·面向数据流的聚类算法 | 第22-25页 |
| ·数据流的特征 | 第22-23页 |
| ·数据流对聚类技术的要求 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于最优区间划分的动态聚类算法研究 | 第26-40页 |
| ·引言 | 第26-28页 |
| ·问题描述 | 第28-29页 |
| ·DOIC 算法设计 | 第29-38页 |
| ·分割最优区间算法 | 第31-32页 |
| ·生成HDU 树算法 | 第32-34页 |
| ·搜索高密网格算法 | 第34-36页 |
| ·合并HDU 树算法 | 第36-38页 |
| ·算法实例 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于空间划分的信息熵聚类算法研究 | 第40-52页 |
| ·引言 | 第40-41页 |
| ·问题描述 | 第41-42页 |
| ·IEC 算法设计 | 第42-47页 |
| ·空间划分算法 | 第43-44页 |
| ·空间聚类算法 | 第44-45页 |
| ·信息熵聚类算法 | 第45-46页 |
| ·优化聚类算法 | 第46-47页 |
| ·IEC 算法的应用实例 | 第47-51页 |
| ·聚类算法在软件故障诊断中的应用意义 | 第47页 |
| ·基于IEC 算法的软件故障快速诊断方法 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 算法的实验验证 | 第52-60页 |
| ·实验数据设置 | 第52-53页 |
| ·DOIC 算法实验数据设置 | 第52页 |
| ·IEC 算法实验数据设置 | 第52-53页 |
| ·DOIC 算法实现及分析 | 第53-56页 |
| ·实验环境设置 | 第53页 |
| ·实验结果 | 第53-56页 |
| ·IEC 算法实现及分析 | 第56-58页 |
| ·实验环境设置 | 第56页 |
| ·实验结果 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 作者简介 | 第70页 |
