聚类分析在科学数据挖掘中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景 | 第11-14页 |
| ·作者所做工作及本文内容安排 | 第14-16页 |
| ·作者所做工作 | 第14页 |
| ·本文内容安排 | 第14-16页 |
| 第二章 国内外相关技术发展综述 | 第16-21页 |
| ·人工智能发展综述 | 第16-19页 |
| ·人工智能的起源 | 第16页 |
| ·人工智能的发展过程 | 第16-17页 |
| ·人工智能的研究领域 | 第17-19页 |
| ·数据挖掘技术发展综述 | 第19-21页 |
| 第三章 数据挖掘基本原理 | 第21-27页 |
| ·知识发现和数据挖掘 | 第21-24页 |
| ·数据挖掘的任务及主要技术 | 第24-26页 |
| ·数据挖掘的应用 | 第26-27页 |
| 第四章 科学数据相关处理技术分析 | 第27-42页 |
| ·科学数据的预处理 | 第27-28页 |
| ·数据清理 | 第28-30页 |
| ·空缺值 | 第28-29页 |
| ·噪声数据 | 第29-30页 |
| ·数据集成和变换 | 第30-32页 |
| ·数据集成 | 第30-31页 |
| ·数据变换 | 第31-32页 |
| ·数据归约 | 第32-34页 |
| ·数据立方体聚集 | 第33页 |
| ·维规约 | 第33页 |
| ·数据压缩 | 第33-34页 |
| ·数值规约 | 第34页 |
| ·离散化和概念分层 | 第34页 |
| ·聚类 | 第34-39页 |
| ·聚类的定义 | 第35页 |
| ·聚类样本 | 第35-36页 |
| ·相似性测度 | 第36-38页 |
| ·数据的中心化与标准化 | 第38-39页 |
| ·聚类三步走 | 第39-40页 |
| ·数据挖掘领域的聚类算法 | 第40-42页 |
| 第五章 科学数据的预处理 | 第42-56页 |
| ·HDF5 科学数据简介 | 第42-44页 |
| ·对科学数据的分析 | 第44-45页 |
| ·HDF5 科学数据的分块 | 第45-48页 |
| ·HDF5 科学数据的除噪 | 第48-49页 |
| ·HDF5 科学数据的聚集 | 第49-50页 |
| ·用“截断法”对科学数据处理 | 第50-51页 |
| ·用“逐层求差法”对科学数据进行处理 | 第51-52页 |
| ·信息提取 | 第52-56页 |
| 第六章 科学数据中的聚类技术研究 | 第56-66页 |
| ·科学数据分析 | 第56-57页 |
| ·聚类背景 | 第56页 |
| ·科学数据分析 | 第56-57页 |
| ·聚类算法的选定分析 | 第57-58页 |
| ·系统聚类法介绍 | 第57页 |
| ·k-平均算法介绍 | 第57-58页 |
| ·改进的系统聚类法 | 第58-60页 |
| ·改进的系统聚类思想 | 第58页 |
| ·改进的系统聚类算法 | 第58-59页 |
| ·相似度矩阵的更新 | 第59页 |
| ·改进的系统聚类流程 | 第59-60页 |
| ·聚类谱系图的改进 | 第60-63页 |
| ·聚类谱系图介绍 | 第61-62页 |
| ·改进的聚类图 | 第62-63页 |
| ·科学数据聚类实验结果 | 第63页 |
| ·聚类算法性能测试 | 第63-66页 |
| 第七章 科学数据挖掘系统的设计 | 第66-77页 |
| ·系统设计 | 第66-67页 |
| ·系统功能简介 | 第67-68页 |
| ·系统体系结构 | 第68-70页 |
| ·总体模块设计 | 第70-74页 |
| ·聚类分析模块 | 第74-77页 |
| ·模块功能说明 | 第74页 |
| ·算法实现说明 | 第74-75页 |
| ·软件结构 | 第75页 |
| ·程序描述 | 第75-77页 |
| 第八章 总结与展望 | 第77-78页 |
| ·主要工作 | 第77页 |
| ·展望 | 第77-78页 |
| 致 谢 | 第78-79页 |
| 参考文献 | 第79-81页 |
| 个人简历及硕士阶段成果 | 第81页 |
