基于密度的分布式聚类算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 绪论 | 第12-16页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 本文的研究内容和创新点 | 第13-15页 |
| 1.3 本文组织结构 | 第15-16页 |
| 2 相关研究工作综述 | 第16-29页 |
| 2.1 传统密度聚类算法 | 第16-19页 |
| 2.2 分布式计算 | 第19-23页 |
| 2.2.1 分布式计算的概念 | 第19-21页 |
| 2.2.2 分布式技术的发展与应用 | 第21页 |
| 2.2.3 Spark框架相关技术 | 第21-23页 |
| 2.3 基于密度的分布式聚类算法研究现状 | 第23-29页 |
| 2.3.1 基于局部代表元素的方法 | 第23-25页 |
| 2.3.2 基于数据复制的方法 | 第25-27页 |
| 2.3.3 基于全局密度估计方法 | 第27-29页 |
| 3 一种高效的分布式密度聚类算法——REMOLD | 第29-45页 |
| 3.1 引言 | 第29页 |
| 3.2 基于密度的分布式聚类算法REMOLD | 第29-38页 |
| 3.2.1 算法流程 | 第29-30页 |
| 3.2.2 预处理 | 第30-31页 |
| 3.2.3 局部聚类 | 第31-33页 |
| 3.2.4 基于原子簇提取高斯模型 | 第33-35页 |
| 3.2.5 基于高斯模型合并原子簇 | 第35-37页 |
| 3.2.6 更新原子簇聚类结果 | 第37-38页 |
| 3.3 实验结果与分析 | 第38-44页 |
| 3.3.1 实验设置 | 第38-40页 |
| 3.3.2 实验结果与分析 | 第40-44页 |
| 3.4 小结 | 第44-45页 |
| 4 基于分布式密度聚类的高光谱图像聚类 | 第45-54页 |
| 4.1 高光谱遥感技术 | 第45-47页 |
| 4.2 高光谱图像聚类相关工作 | 第47-48页 |
| 4.2.1 基于划分的高光谱聚类算法 | 第47页 |
| 4.2.2 基于密度的高光谱聚类算法 | 第47-48页 |
| 4.2.3 基于谱聚类的高光谱聚类算法 | 第48页 |
| 4.3 基于分布式密度聚类的高光谱图像聚类实验 | 第48-53页 |
| 4.3.1 实验设置 | 第49-50页 |
| 4.3.2 实验结果与分析 | 第50-53页 |
| 4.4 小结 | 第53-54页 |
| 5 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第60-62页 |
| 学位论文数据集 | 第62页 |
