首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

面向空间数据复杂性特征的聚类分析方法研究

摘要第1-7页
Abstract第7-12页
第1章 绪论第12-27页
   ·研究目的及意义第12-13页
   ·国内外研究现状第13-22页
     ·经典聚类方法第14-17页
     ·高维空间聚类算法第17-19页
     ·带障碍约束的空间聚类算法第19-21页
     ·多尺度空间聚类分析方法第21-22页
   ·论文主要研究内容第22-25页
     ·大规模空间数据集聚类分析方法第22-23页
     ·高维空间聚类算法第23-24页
     ·带障碍约束的空间聚类算法第24页
     ·多尺度空间聚类算法第24-25页
   ·论文的组织结构第25-27页
第2章 空间数据挖掘及空间聚类第27-47页
   ·空间数据挖掘相关技术第27-31页
     ·空间数据挖掘的概念及特点第27-28页
     ·空间数据挖掘发现的知识类型第28-29页
     ·空间数据挖掘的体系结构第29-30页
     ·空间数据挖掘的基本过程第30-31页
   ·空间聚类相关技术第31-39页
     ·空间聚类的概念及形式化描述第31-34页
     ·空间聚类的基本过程第34-38页
     ·空间聚类的基本原则第38-39页
   ·空间数据及其特征第39-46页
     ·空间数据类型第39-40页
     ·空间数据关系第40-41页
     ·空间数据模型第41-45页
     ·空间数据复杂性特征第45-46页
   ·本章小结第46-47页
第3章 基于最优划分的海量空间数据聚类方法第47-62页
   ·问题的提出第47-48页
   ·相关研究工作第48-51页
     ·K-Means算法概述第48-49页
     ·K-Means算法存在的问题第49-50页
     ·初始聚类中心选取方法第50-51页
   ·基于最优划分的K-Means初始聚类中心选取方法第51-60页
     ·最优划分的基本方法第51-53页
     ·递归实现最优划分第53-55页
     ·基于最优划分的初始聚类中心选取方法第55-57页
     ·实验及结果分析第57-60页
   ·本章小结第60-62页
第4章 基于模糊扩展的高维空间聚类方法第62-81页
   ·问题的提出第62页
   ·相关研究工作第62-70页
     ·高维空间数据特征第62-63页
     ·高维空间聚类方法第63-67页
     ·典型高维空间聚类算法第67-69页
     ·模糊集理论第69-70页
   ·基于模糊扩展的高维空间聚类算法第70-80页
     ·网格模糊区域扩展及隶属度确定方案第71-73页
     ·算法详细描述第73-75页
     ·实验及结果分析第75-80页
   ·本章小结第80-81页
第5章 基于网格的带障碍空间分级聚类方法第81-95页
   ·问题的提出第81-83页
   ·相关研究工作第83-85页
     ·带障碍聚类问题描述第83页
     ·障碍多边形描述及预处理第83-84页
     ·带障碍距离计算第84-85页
   ·基于网格的带障碍空间分级聚类算法第85-94页
     ·算法思想第85-86页
     ·算法相关定义第86-88页
     ·算法具体过程第88-89页
     ·实验及结果分析第89-94页
   ·本章小结第94-95页
第6章 基于等密度线的多尺度空间聚类方法第95-113页
   ·问题的提出第95页
   ·相关研究工作第95-101页
     ·广义尺度第96页
     ·空间数据的尺度特征第96-97页
     ·空间数据的尺度依赖第97-98页
     ·尺度空间理论第98-99页
     ·空间多尺度数据挖掘和聚类第99-101页
   ·基于等密度线的多尺度空间聚类算法第101-111页
     ·Di-MSSC算法思想第101-103页
     ·Di-MSSC算法过程分析第103-105页
     ·Di-MSSC算法描述第105-107页
     ·实验及结果分析第107-111页
   ·本章小结第111-113页
结论第113-115页
参考文献第115-125页
攻读博士学位期间发表的论文和取得的科研成果第125-127页
致谢第127页

论文共127页,点击 下载论文
上一篇:内蒙古电力通信资源管理系统方案设计
下一篇:中国现代文论中典型理论研究