面向高维数据的子空间聚类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-25页 |
| ·数据库知识发现 | 第11-13页 |
| ·KDD的定义 | 第11-12页 |
| ·KDD的处理过程 | 第12-13页 |
| ·数据挖掘 | 第13-16页 |
| ·数据挖掘的功能 | 第13-14页 |
| ·数据挖掘的研究热点 | 第14-15页 |
| ·数据挖掘面临的挑战 | 第15-16页 |
| ·聚类分析 | 第16-23页 |
| ·聚类的相关概念 | 第16-19页 |
| ·聚类算法分类 | 第19-21页 |
| ·聚类算法性能评价 | 第21-23页 |
| ·本文的主要内容与结构安排 | 第23-25页 |
| 第二章 高维聚类问题 | 第25-34页 |
| ·高维数据聚类概述 | 第25-26页 |
| ·高维数据的特点 | 第25-26页 |
| ·高维数据对传统聚类算法的影响 | 第26页 |
| ·属性约简 | 第26-28页 |
| ·特征选择 | 第26-27页 |
| ·特征变换 | 第27-28页 |
| ·子空间聚类 | 第28-33页 |
| ·子空间聚类的必要性 | 第28-29页 |
| ·子空间聚类算法概述 | 第29-30页 |
| ·常用子空间聚类算法及其存在的问题 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于模式树的子空间聚类 | 第34-43页 |
| ·频繁模式的挖掘 | 第34-36页 |
| ·关联规则挖掘 | 第34-36页 |
| ·P-tree的结构定义 | 第36页 |
| ·基于P-tree的子空间聚类算法(PSC) | 第36-40页 |
| ·簇的扩展定义 | 第36-37页 |
| ·PSC算法 | 第37-40页 |
| ·算法性能测试 | 第40-42页 |
| ·实验结果 | 第40-42页 |
| ·性能分析 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于模式相似的子空间聚类 | 第43-51页 |
| ·引言 | 第43-45页 |
| ·问题引入 | 第43-44页 |
| ·研究现状 | 第44-45页 |
| ·基于模式相似的簇的概念 | 第45-48页 |
| ·一致模式的定义 | 第45-47页 |
| ·基于相似模式的簇的定义 | 第47-48页 |
| ·基于模式相似的子空间聚类算法(PPSC) | 第48-49页 |
| ·实验结果及性能分析 | 第49-50页 |
| ·实验结果 | 第49-50页 |
| ·性能分析 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结和展望 | 第51-53页 |
| ·本文总结 | 第51-52页 |
| ·下一步工作 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 研究生期间主要科研工作及成果 | 第57页 |
| 参与科研项目 | 第57页 |
| 学术论文 | 第57页 |
