空间数据挖掘中的聚类算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 本文主要工作 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 空间数据挖掘中的聚类分析 | 第15-24页 |
| 2.1 空间数据挖掘的基本知识 | 第15-20页 |
| 2.1.1 基本概念 | 第15页 |
| 2.1.2 空间数据挖掘可发现的知识类型 | 第15-17页 |
| 2.1.3 空间数据挖掘系统的体系结构 | 第17-18页 |
| 2.1.4 空间数据挖掘的基本方法 | 第18-20页 |
| 2.2 空间聚类分析的基本知识 | 第20-23页 |
| 2.2.1 基本概念 | 第20页 |
| 2.2.2 聚类分析基本原则 | 第20-21页 |
| 2.2.3 空间聚类算法的分类 | 第21-22页 |
| 2.2.4 空间聚类分析的关键问题 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于障碍约束的空间聚类算法研究 | 第24-38页 |
| 3.1 问题描述 | 第24-25页 |
| 3.2 相关研究工作 | 第25-27页 |
| 3.3 CLIQUE算法基础 | 第27-28页 |
| 3.4 基于CLIQUE的空间障碍约束聚类算法 | 第28-31页 |
| 3.4.1 算法思路 | 第28-29页 |
| 3.4.2 相关定义 | 第29-30页 |
| 3.4.3 算法步骤 | 第30-31页 |
| 3.5 算法实验结果及性能分析 | 第31-33页 |
| 3.6 空间面状实体聚类算法 | 第33-37页 |
| 3.6.1 相关研究工作 | 第34页 |
| 3.6.2 算法思路 | 第34-35页 |
| 3.6.3 算法步骤 | 第35-36页 |
| 3.6.4 算法分析 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第四章 基于密度的空间聚类算法 | 第38-47页 |
| 4.1 基本知识 | 第38-39页 |
| 4.2 DBSCAN算法基础 | 第39-40页 |
| 4.3 DBSCAN改进算法研究 | 第40-41页 |
| 4.4 基于层次的DBSCAN改进算法 | 第41-46页 |
| 4.4.1 相关定义 | 第42页 |
| 4.4.2 算法描述 | 第42-44页 |
| 4.4.3 算法正确性证明 | 第44页 |
| 4.4.4 算法分析 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-50页 |
| 5.1 全文总结 | 第47-48页 |
| 5.2 本文创新点 | 第48页 |
| 5.3 下一步研究工作 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 作者攻读硕士期间发表论文 | 第56-57页 |
| 作者攻读硕士期间课题研究情况 | 第57-58页 |
| 学位论文评阅及答辩情况表 | 第58页 |
