基于网格和信息熵的聚类算法
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·基于密度聚类方法的研究现状 | 第11-12页 |
| ·基于网格聚类方法的研究现状 | 第12-13页 |
| ·数据挖掘技术的发展趋势 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 第2章 聚类分析综述 | 第16-35页 |
| ·数据挖掘概述 | 第16-20页 |
| ·数据挖掘的定义 | 第16-17页 |
| ·数据挖掘的过程 | 第17-19页 |
| ·数据挖掘的分类 | 第19页 |
| ·数据挖掘的功能 | 第19-20页 |
| ·数据预处理 | 第20-22页 |
| ·数据清理 | 第21页 |
| ·数据集成 | 第21-22页 |
| ·数据变换 | 第22页 |
| ·数据归约 | 第22页 |
| ·聚类分析 | 第22-34页 |
| ·聚类算法的要求 | 第23-24页 |
| ·聚类分析中的数据类型 | 第24-27页 |
| ·主要的聚类方法 | 第27-34页 |
| ·小结 | 第34-35页 |
| 第3章 网格的划分及其边界点的处理 | 第35-45页 |
| ·网格的划分方法 | 第35-41页 |
| ·均匀的网格划分方法 | 第36-38页 |
| ·非均匀的网格划分方法 | 第38-41页 |
| ·网格边界点的处理 | 第41-44页 |
| ·移动网格的方法 | 第41-43页 |
| ·二分网格的方法 | 第43页 |
| ·基于距离的方法 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第4章 基于网格和信息熵的多密度聚类算法 | 第45-53页 |
| ·信息熵的相关理论 | 第45-46页 |
| ·基于网格和信息熵的多密度聚类算法 | 第46-50页 |
| ·GICM 算法的相关定义 | 第46-48页 |
| ·聚类边界点的处理 | 第48页 |
| ·GICM 算法的主要步骤及流程图 | 第48-50页 |
| ·算法实验结果及分析 | 第50-52页 |
| ·算法复杂度分析 | 第50页 |
| ·聚类的结果有效性分析 | 第50-51页 |
| ·聚类的结果对比分析 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第5章 基于网格的聚类算法在图像分割中的应用 | 第53-59页 |
| ·图像分割的分类 | 第53-55页 |
| ·基于边界的算法 | 第53-54页 |
| ·基于区域的算法 | 第54-55页 |
| ·基于网格聚类的图像分割算法的整体框架 | 第55-56页 |
| ·实验结果及分析 | 第56-58页 |
| ·小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 A 攻读硕士学位期间发表的论文 | 第65-66页 |
| 附录 B 攻读硕士学位期间参与的科研项目 | 第66-67页 |
| 致谢 | 第67页 |
