| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题的背景及研究意义 | 第9-13页 |
| ·聚类技术概述 | 第9-10页 |
| ·子空间聚类的产生 | 第10-11页 |
| ·子空间聚类分析的国内外研究现状 | 第11-13页 |
| ·课题的主要研究内容 | 第13-14页 |
| ·本文结构安排 | 第14-15页 |
| 第2章 子空间聚类方法分析 | 第15-21页 |
| ·子空间簇 | 第15页 |
| ·子空间搜索策略 | 第15-16页 |
| ·自底向上的方法 | 第15-16页 |
| ·自顶向下的方法 | 第16页 |
| ·相似性技术 | 第16-18页 |
| ·距离度量 | 第16-17页 |
| ·相似系数 | 第17-18页 |
| ·子空间聚类方法分析 | 第18-20页 |
| ·基于坐标轴的算法 | 第18-19页 |
| ·基于模式的算法 | 第19页 |
| ·基于相关性的算法 | 第19-20页 |
| ·聚类中的维度灾难问题 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于 DBSCAN 的属性相关子空间聚类算法 | 第21-32页 |
| ·相关介绍 | 第21-22页 |
| ·主要贡献 | 第22页 |
| ·问题描述 | 第22-28页 |
| ·基本定义 | 第23-26页 |
| ·簇相似技术定义 | 第26-28页 |
| ·AReSUBCLU 算法 | 第28-30页 |
| ·AReSUBCLU 算法思想 | 第28页 |
| ·AReSUBCLU 算法描述 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 第4章 基于 DBSCAN 的空间树聚类 | 第32-40页 |
| ·问题描述 | 第32页 |
| ·相关介绍 | 第32-33页 |
| ·算法定义 | 第33-37页 |
| ·密度算法原理 | 第33-34页 |
| ·DBSCAN 算法描述 | 第34-35页 |
| ·基本定义 | 第35-37页 |
| ·空间树聚类算法 | 第37-39页 |
| ·SpaceTreeCluster 算法 | 第38页 |
| ·算法分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 实验结果与分析 | 第40-47页 |
| ·AReSUBCLU 算法的实验结果分析 | 第40-43页 |
| ·环境及数据集的设置 | 第40页 |
| ·实验结果分析 | 第40-43页 |
| ·SpaceTreeCluster 算法的实现与实验结果分析 | 第43-46页 |
| ·环境及数据集设置 | 第43页 |
| ·实验结果分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第53-54页 |
| 致谢 | 第54-55页 |
| 作者简介 | 第55页 |