基于数据分区的密度聚类算法应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·选题背景 | 第8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文所做的工作 | 第9页 |
| ·本文的组织结构 | 第9-11页 |
| 2 数据挖掘与聚类算法 | 第11-23页 |
| ·数据挖掘技术概述 | 第11-13页 |
| ·数据挖掘技术 | 第11页 |
| ·数据挖掘过程 | 第11-13页 |
| ·数据挖掘的对象 | 第13-14页 |
| ·关系数据库 | 第13页 |
| ·数据仓库 | 第13-14页 |
| ·对象-关系数据库 | 第14页 |
| ·其他类型的挖掘对象 | 第14页 |
| ·数据挖掘方法分类 | 第14-15页 |
| ·数据挖掘系统的分类 | 第15-17页 |
| ·聚类算法 | 第17-19页 |
| ·各种聚类算法的比较 | 第19页 |
| ·几种常用的聚类质量评价方法 | 第19-21页 |
| ·相似性和相异性的度量方法 | 第21-23页 |
| 3 数据分区与密度的聚类算法的研究 | 第23-40页 |
| ·密度聚类算法分类 | 第23页 |
| ·DBSCAN算法 | 第23-25页 |
| ·算法描述 | 第25-28页 |
| ·使用的数据类型 | 第27页 |
| ·k-dist图的作用 | 第27-28页 |
| ·R*树索引结构研究 | 第28-33页 |
| ·R*树 | 第28-31页 |
| ·R*树的操作 | 第31-33页 |
| ·DBSCAN算法的优点 | 第33页 |
| ·DBSCAN算法的缺点 | 第33-34页 |
| ·改进的分区密度聚类 | 第34-40页 |
| ·使用数据分区算法的目的 | 第34-35页 |
| ·PDBSCAN的合理性 | 第35页 |
| ·PDBSCAN的对于数据分区的缺陷 | 第35页 |
| ·对于PDBSCAN的改进 | 第35-38页 |
| ·改进后的算法综合评价 | 第38-39页 |
| ·算法的完整实现 | 第39-40页 |
| 4 实验 | 第40-42页 |
| ·实验结果 | 第40页 |
| ·结果分析 | 第40-42页 |
| 5 应用 | 第42-54页 |
| ·国民经济动员的定义与评价体系 | 第42-44页 |
| ·国民经济动员的定义 | 第42-43页 |
| ·评价体系 | 第43-44页 |
| ·系统的实现 | 第44-53页 |
| ·系统的架构 | 第44页 |
| ·系统设计 | 第44-47页 |
| ·系统网络设计 | 第47-48页 |
| ·系统实现技术 | 第48-50页 |
| ·算法在系统中的应用 | 第50-53页 |
| ·未来工作与展望 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
