首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于密度聚类的空间数据挖掘算法研究

中文摘要第1-4页
Abstract第4-8页
第一章 绪论第8-12页
   ·课题研究背景第8-9页
   ·国内外研究现状第9-10页
     ·空间聚类研究现状第9页
     ·基于密度的空间聚类算法研究现状第9-10页
   ·主要研究内容第10-11页
   ·论文的组织结构第11-12页
第二章 聚类分析第12-21页
   ·聚类分析第12页
   ·聚类分析技术的分类第12-14页
   ·聚类分析中一些重要概念第14-17页
   ·聚类所涉及的相关问题第17-19页
     ·聚类对象的表示方法和特征选取第17-18页
     ·相似度度量标准第18-19页
   ·聚类分析技术的应用第19页
   ·聚类算法研究面临的挑战第19-21页
第三章 基于密度的聚类算法第21-38页
   ·DBSCAN 算法第21-24页
   ·DBSCAN 算法的改进第24-29页
     ·PDBSCAN 算法第24-26页
     ·FDBSCAN 算法第26-28页
     ·SDBSCAN 算法第28-29页
   ·OPTICS 算法第29页
   ·CLIQUE 算法第29-30页
   ·DENCLUE 算法第30-31页
   ·DBSCAN 系列算法中的实现技术—空间索引第31-38页
     ·基于hash 的网格类索引第31-32页
     ·四叉树(Quadtree)系列第32页
     ·K-D 树系列第32-34页
     ·R 树系列第34-36页
     ·其它树型空间索引第36-37页
     ·空间索引的总体性能分析第37-38页
第四章 一种具有矢量约束候选点的RCDBSCAN 算法第38-49页
   ·基本概念第38-39页
   ·具有矢量约束侯选点的RCDBSCAN 算法第39-41页
     ·算法思想第39-40页
     ·方向的设定第40页
     ·候选点的选取第40-41页
   ·算法描述第41-43页
   ·算法实现第43-48页
   ·算法复杂度分析第48-49页
第五章 仿真实验第49-54页
   ·算法实验背景第49页
   ·算法有效性实验分析第49-51页
   ·算法执行时间实验第51-52页
   ·聚类簇边界点检测实验第52-54页
第六章 总结与展望第54-56页
参考文献第56-60页
研究生在读期间取得的研究成果第60-61页
致谢第61-62页
个人简介第62-63页

论文共63页,点击 下载论文
上一篇:概率关系模型在负荷管理系统中的应用研究
下一篇:嵌入式Linux操作系统的实时性研究