聚类算法在天文学中的应用
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-12页 |
| 1 绪论 | 第12-18页 |
| ·引言 | 第12页 |
| ·数据挖掘的概念 | 第12-14页 |
| ·数据挖掘的主要内容 | 第14-18页 |
| ·数据挖掘的对象 | 第14页 |
| ·数据挖掘的分类 | 第14-15页 |
| ·数据挖掘的模式类型 | 第15页 |
| ·数据挖掘的方法 | 第15-18页 |
| 2 聚类算法 | 第18-26页 |
| ·聚类的定义 | 第18页 |
| ·天文学中对聚类算法的要求 | 第18页 |
| ·聚类过程 | 第18-19页 |
| ·聚类算法的分类和原理 | 第19-21页 |
| ·聚类算法的应用 | 第21-24页 |
| ·聚类算法比较 | 第24页 |
| ·总结 | 第24-26页 |
| 3 Sloan数字巡天和交叉证认工具 | 第26-33页 |
| ·Sloan数字巡天 | 第26-31页 |
| ·Sloan巡天计划 | 第26-27页 |
| ·SDSS数据释放 | 第27-29页 |
| ·SDSS观测样本 | 第29-30页 |
| ·SDSS的研究成果 | 第30-31页 |
| ·交叉证认工具 | 第31-33页 |
| ·SIMBAD天文数据库 | 第31-32页 |
| ·NED河外星系数据库 | 第32页 |
| ·TOPCAT交叉证认工具 | 第32-33页 |
| 4 恒星/星系分类 | 第33-39页 |
| ·恒星/星系分类的意义 | 第33页 |
| ·自动聚类算法AutoClass | 第33-35页 |
| ·AutoClass应用于恒星/星系分类 | 第35-37页 |
| ·结论 | 第37-39页 |
| 5 用AutoClass探索SDSS恒星数据库 | 第39-49页 |
| ·课题的意义 | 第39页 |
| ·恒星样本和参数选择 | 第39-40页 |
| ·结果和讨论 | 第40-48页 |
| ·结果 | 第40-47页 |
| ·讨论 | 第47-48页 |
| ·结论 | 第48-49页 |
| 6 星系形态分类 | 第49-62页 |
| ·哈勃星系形态分类及其改进 | 第49-51页 |
| ·哈勃分类法 | 第49-50页 |
| ·de Vaucouleurs分类法 | 第50页 |
| ·Yerkes分类法 | 第50-51页 |
| ·DDO分类法 | 第51页 |
| ·星系的演化 | 第51页 |
| ·星系形态分类标准 | 第51-53页 |
| ·SDSS星系样本分析 | 第53-56页 |
| ·样本的选择 | 第53-54页 |
| ·星系的星等分布和颜色分布 | 第54-56页 |
| ·k-means算法 | 第56-57页 |
| ·星系形态的自动分类 | 第57-60页 |
| ·结论和讨论 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 后记 | 第69-70页 |
| 攻读学位期间科研成果(示例) | 第70页 |
