基于DBSCAN的自适应聚类算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究的背景和意义 | 第11页 |
| 1.2 数据挖掘的理论及应用 | 第11-15页 |
| 1.2.1 数据挖掘的研究与发展 | 第11-13页 |
| 1.2.2 自适应和聚类分析 | 第13-14页 |
| 1.2.3 聚类技术的相关研究 | 第14-15页 |
| 1.2.4 对聚类分析的要求 | 第15页 |
| 1.3 本文的研究工作 | 第15-16页 |
| 1.4 内容结构的组织 | 第16-18页 |
| 第二章 聚类的基本理论知识 | 第18-26页 |
| 2.1 基础知识介绍 | 第18-20页 |
| 2.2 相似性度量方法 | 第20-22页 |
| 2.2.1 距离函数 | 第20-21页 |
| 2.2.2 相关系数函数 | 第21-22页 |
| 2.3 基本的聚类方法 | 第22-24页 |
| 2.3.1 聚类算法介绍 | 第22-23页 |
| 2.3.2 聚类算法的比较 | 第23-24页 |
| 2.4 DBSCAN 聚类算法概述 | 第24-25页 |
| 2.4.1 DBSCAN 算法简介 | 第24-25页 |
| 2.4.2 DBSCAN 算法特点 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 参数自适应确定的DBSCAN聚类方法 | 第26-37页 |
| 3.1 核密度估计基本理论 | 第26-28页 |
| 3.1.1 核密度估计理论定义 | 第26-27页 |
| 3.1.2 影响核密度估计的因素 | 第27-28页 |
| 3.1.3 带宽对密度估计精度的影响 | 第28页 |
| 3.2 基于DBSCAN的参数自适应确定算法设计 | 第28-33页 |
| 3.2.1 离群点的处理 | 第28-29页 |
| 3.2.2 核密度的引入 | 第29页 |
| 3.2.3 Eps的自适应确定 | 第29-31页 |
| 3.2.4 minPts的自适应确定 | 第31页 |
| 3.2.5 相关推导 | 第31-32页 |
| 3.2.6 核密度估计的收敛特性 | 第32-33页 |
| 3.3 算法仿真及结果分析 | 第33-36页 |
| 3.3.1 算法仿真 | 第33-35页 |
| 3.3.2 结果分析 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于网格密度划分的增量聚类算法 | 第37-49页 |
| 4.1 增量式聚类 | 第37页 |
| 4.2 增量式聚类的原理 | 第37-40页 |
| 4.2.1 基本步骤 | 第38页 |
| 4.2.2 数据的插入 | 第38-39页 |
| 4.2.3 数据的删除 | 第39页 |
| 4.2.4 增量聚类分析 | 第39-40页 |
| 4.3 增量式过程的设计 | 第40-42页 |
| 4.3.1 簇的撤消 | 第40页 |
| 4.3.2 簇的分裂 | 第40-41页 |
| 4.3.3 数据插入操作 | 第41页 |
| 4.3.4 数据删除操作 | 第41-42页 |
| 4.4 基于DBSCAN的动态增量聚类算法 | 第42-45页 |
| 4.4.1 初始聚类 | 第42页 |
| 4.4.2 基于网格密度的增量聚类 | 第42-44页 |
| 4.4.3 算法描述 | 第44-45页 |
| 4.5 算法仿真及结果分析 | 第45-48页 |
| 4.5.1 算法仿真 | 第45-47页 |
| 4.5.2 结果分析 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 结论与展望 | 第49-50页 |
| 5.1 结论 | 第49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 附录(攻读硕士学位期间发表论文目录) | 第55页 |
