| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·本课题的研究背景与意义 | 第10-11页 |
| ·聚类分析的发展与应用现状 | 第11-13页 |
| ·聚类分析的发展 | 第11-12页 |
| ·聚类分析的应用 | 第12-13页 |
| ·论文的主要内容及其安排 | 第13-14页 |
| 第二章 聚类分析基本概念及相关算法 | 第14-26页 |
| ·聚类的定义及表示 | 第14页 |
| ·相似度测量 | 第14-17页 |
| ·常见的聚类方法 | 第17-19页 |
| ·划分方法(Partitioning methods) | 第17页 |
| ·层次方法(Hierarchical methods) | 第17-18页 |
| ·密度方法(Density-based methods) | 第18页 |
| ·基于网格方法(Grid-based methods) | 第18页 |
| ·基于模型方法(Model-based methods) | 第18-19页 |
| ·常见的聚类算法 | 第19-25页 |
| ·K-means算法 | 第19-20页 |
| ·K-means++算法 | 第20页 |
| ·Mean Shift算法 | 第20-23页 |
| ·DBSCAN算法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 聚类评价函数 | 第26-30页 |
| ·外部度量法 | 第26-28页 |
| ·内部度量法 | 第28页 |
| ·相对度量法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于Mean Shift的改进算法Potential-based | 第30-40页 |
| ·势能场的基本原理 | 第30页 |
| ·基于势能的聚类模型 | 第30-31页 |
| ·问题的提出 | 第31-32页 |
| ·改进思路及实现流程 | 第32-34页 |
| ·实验平台及数据 | 第34-35页 |
| ·仿真结果及分析 | 第35-38页 |
| ·本章小结 | 第38-40页 |
| 第五章 结合KNN和势能聚类模型的KNN-Potential-based聚类算法 | 第40-50页 |
| ·问题的提出 | 第40页 |
| ·相关定义 | 第40-42页 |
| ·初始密度 | 第40-41页 |
| ·修正密度 | 第41-42页 |
| ·簇 | 第42页 |
| ·算法的改进思路及实现流程 | 第42-44页 |
| ·实验平台及数据 | 第44-45页 |
| ·仿真结果及分析 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·主要结论 | 第50页 |
| ·研究展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 在学期间的研究成果 | 第55-56页 |
| 致谢 | 第56页 |
