基于密度的分布式聚类算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文工作 | 第12-14页 |
| 第2章 数据挖掘与聚类分析 | 第14-26页 |
| ·数据挖掘简介 | 第14-16页 |
| ·数据挖掘的概念与应用 | 第14页 |
| ·数据挖掘的过程 | 第14-15页 |
| ·数据挖掘的方法 | 第15-16页 |
| ·聚类分析 | 第16-19页 |
| ·聚类分析中的数据类型 | 第17页 |
| ·聚类分析中的度量方法 | 第17-19页 |
| ·聚类分析算法分类 | 第19-20页 |
| ·基于密度的聚类算法 DBSCAN | 第20-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 分布式聚类与DBDC算法 | 第26-31页 |
| ·分布式聚类 | 第26-27页 |
| ·分布式聚类的内容与过程 | 第26-27页 |
| ·分布式聚类的方法综述 | 第27页 |
| ·DBDC 算法 | 第27-30页 |
| ·局部聚类 | 第28页 |
| ·局部模型建立 | 第28-29页 |
| ·全局模型建立 | 第29页 |
| ·局部模型调整 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 一种改进的基于密度的分布式聚类方法 | 第31-47页 |
| ·基于网格映射的局部聚类方法 | 第31-38页 |
| ·数据的网格映射 | 第31-36页 |
| ·局部聚类的改进描述 | 第36-38页 |
| ·局部模型的建立 | 第38页 |
| ·基于代表点相交的全局聚类算法 | 第38-43页 |
| ·相关定义 | 第39-40页 |
| ·算法思想 | 第40-43页 |
| ·全局聚类中噪声数据的处理 | 第43-45页 |
| ·调整局部聚类模型 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 算法的效率分析与实验 | 第47-53页 |
| ·算法效率分析 | 第47-48页 |
| ·实验环境与评价标准 | 第48-49页 |
| ·实验环境 | 第48页 |
| ·评价标准 | 第48-49页 |
| ·实验数据与实验结果 | 第49-51页 |
| ·实验数据 | 第49页 |
| ·实验结果 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 第6章 总结与展望 | 第53-55页 |
| ·本文工作总结 | 第53页 |
| ·研究展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 作者简介及在学期间所取得的科研成果 | 第58-59页 |
| 致谢 | 第59页 |
