分布式环境下聚类分析新方法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第1章 绪论 | 第12-38页 |
| ·研究背景和意义 | 第12-14页 |
| ·聚类分析 | 第14-21页 |
| ·聚类分析的概念及应用 | 第14-15页 |
| ·聚类分析研究的重要性 | 第15-16页 |
| ·聚类分析方法综述 | 第16-20页 |
| ·聚类分析面临的挑战 | 第20-21页 |
| ·分布式聚类 | 第21-31页 |
| ·分布式聚类产生的背景 | 第22-23页 |
| ·分布式聚类方法综述 | 第23-29页 |
| ·分布式聚类的应用 | 第29-30页 |
| ·分布式聚类问题面临的挑战 | 第30-31页 |
| ·论文的研究动机和研究内容 | 第31-36页 |
| ·论文的研究动机 | 第31-33页 |
| ·论文的研究内容 | 第33-36页 |
| ·小结 | 第36-38页 |
| 第2章 基于Boosting技术的分布式聚类 | 第38-54页 |
| ·问题的提出 | 第38-39页 |
| ·采样和集成学习技术介绍 | 第39-41页 |
| ·采样技术 | 第39-40页 |
| ·集成学习技术 | 第40-41页 |
| ·Boosting聚类 | 第41-43页 |
| ·分布式Boosting聚类算法 | 第43-51页 |
| ·数据样本概率分布更新 | 第43-45页 |
| ·数据样本采样 | 第45-46页 |
| ·数据样本的聚类质量评价 | 第46-47页 |
| ·聚类簇标号一致化 | 第47页 |
| ·算法描述 | 第47-50页 |
| ·算法复杂度分析 | 第50-51页 |
| ·实验与讨论 | 第51-53页 |
| ·实验数据 | 第51页 |
| ·实验结果 | 第51-53页 |
| ·讨论 | 第53页 |
| ·小结 | 第53-54页 |
| 第3章 基于移动代理的层次优化聚类 | 第54-72页 |
| ·问题的提出 | 第54-56页 |
| ·DDM系统 | 第56-60页 |
| ·多代理系统 | 第56-58页 |
| ·DDM模型 | 第58-59页 |
| ·基于移动代理的DDM模型 | 第59-60页 |
| ·OIKI DDM模型 | 第60-61页 |
| ·HOIKI DDM模型 | 第61-66页 |
| ·模型原理 | 第61-64页 |
| ·模型分析 | 第64-65页 |
| ·代价函数计算 | 第65-66页 |
| ·基于HOIKI DDM模型的分布式聚类算法 | 第66-69页 |
| ·CHC算法 | 第66-67页 |
| ·基于HOIKI DDM模型的层次聚类算法 | 第67-69页 |
| ·实验与讨论 | 第69-71页 |
| ·实验数据 | 第69页 |
| ·实验结果 | 第69-71页 |
| ·小结 | 第71-72页 |
| 第4章 基于协同的分布式聚类 | 第72-86页 |
| ·引言 | 第72-73页 |
| ·问题描述 | 第73-74页 |
| ·局部结果不一致性的定义及分析 | 第74-77页 |
| ·局部结果不一致性的定义 | 第75-76页 |
| ·局部结果不一致性的分析 | 第76-77页 |
| ·局部结果协同算法 | 第77-81页 |
| ·算法原理 | 第77-79页 |
| ·算法描述 | 第79-80页 |
| ·算法收敛性分析 | 第80-81页 |
| ·基于协同的分布式聚类算法 | 第81-82页 |
| ·实验与讨论 | 第82-85页 |
| ·实验数据 | 第82-83页 |
| ·实验结果 | 第83-85页 |
| ·讨论 | 第85页 |
| ·小结 | 第85-86页 |
| 第5章 分布式环境下的时间序列聚类 | 第86-100页 |
| ·问题的提出 | 第86-87页 |
| ·模糊短时序列聚类 | 第87-90页 |
| ·相似性度量 | 第87-88页 |
| ·FSTS算法 | 第88-90页 |
| ·分布式模糊短时间序列聚类算法 | 第90-94页 |
| ·算法原理 | 第90-92页 |
| ·算法描述 | 第92-93页 |
| ·算法复杂性分析 | 第93页 |
| ·算法收敛性分析 | 第93-94页 |
| ·仿真与讨论 | 第94-98页 |
| ·仿真数据 | 第94-96页 |
| ·仿真结果 | 第96-98页 |
| ·小结 | 第98-100页 |
| 第6章 分布式聚类在大型冶金企业质量管理中的应用 | 第100-116页 |
| ·应用背景 | 第100-105页 |
| ·连续退火线工艺流程 | 第100-102页 |
| ·分布式聚类在断带分析与预报研究中的必要性 | 第102-105页 |
| ·分布式数据挖掘系统 | 第105-108页 |
| ·系统功能设计 | 第106页 |
| ·系统结构设计 | 第106-108页 |
| ·连续退火过程的带钢断带分析与预测 | 第108-112页 |
| ·特征和数据选取 | 第108-110页 |
| ·挖掘方案设计和挖掘结果 | 第110-112页 |
| ·连续退火过程的离群点检测 | 第112-114页 |
| ·数据准备 | 第113页 |
| ·算法设计与挖掘结果 | 第113-114页 |
| ·小结 | 第114-116页 |
| 第7章 结论与展望 | 第116-120页 |
| ·研究工作总结 | 第116-117页 |
| ·进一步的研究方向 | 第117-118页 |
| ·小结 | 第118-120页 |
| 参考文献 | 第120-134页 |
| 攻读博士学位期间以第一作者完成的论文 | 第134页 |
| 攻读博士学位期间参与的科研项目 | 第134-136页 |
| 致谢 | 第136页 |
