首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

改进的K-means算法及其在采油数据分析中的应用

摘要第1-5页
ABSTRACT第5-9页
第1章 绪论第9-14页
   ·课题研究背景第9-10页
   ·国内外研究现状第10-11页
   ·研究内容与研究思路第11-13页
     ·研究内容第11-12页
     ·研究思路第12-13页
   ·章节的结构安排第13-14页
第2章 数据挖掘技术基本概念与聚类算法的相关理论第14-29页
   ·数据挖掘概述第14-20页
     ·数据挖掘的定义第14-15页
     ·数据挖掘系统的分类第15页
     ·数据挖掘的任务和步骤第15-17页
     ·数据挖掘的主要算法第17-19页
     ·数据挖掘工具简述第19-20页
   ·聚类算法的相关理论第20-23页
     ·聚类的定义第20-21页
     ·聚类分析的流程第21-22页
     ·聚类分析算法的种类第22-23页
   ·聚类分析中的数据结构与相似性度量第23-27页
     ·聚类分析中的数据结构第23-24页
     ·聚类分析中不同数据类型的相似度度量方法第24-27页
   ·聚类分析在采油数据的上的应用第27-28页
   ·本章小结第28-29页
第3章 K-means算法及其改进第29-49页
     ·K-means算法概述第29-30页
     ·算法解释第29-30页
     ·K-means算法流程第30页
   ·K-means算法的缺点及其现有的改进第30-34页
   ·本文提出的对K-means算法的改进方案第34-48页
     ·消除影响K-means算法的噪声和孤立点数据第34-38页
     ·对K-means算法初始聚类中心选取方法的改进第38-46页
     ·改进的K-means算法流程及实现第46-47页
     ·改进的K-means算法的特性第47-48页
   ·本章小结第48-49页
第4章 改进的K-means算法在采油数据分析上的应用第49-67页
   ·挖掘目标定义第49页
   ·数据选择第49-51页
   ·数据准备第51-55页
     ·数据清洗第51页
     ·维数削减第51-54页
     ·数据规范化第54-55页
   ·改进的K-means聚类算法在采油数据上应用分析第55-63页
     ·孤立点的探测第55-56页
     ·不同初始聚类中心的K-means聚类结果分析第56-61页
     ·聚类数目的确定第61-62页
     ·聚类结果的进一步评价第62-63页
   ·聚类结果的解释与其应用的经济效益分析第63-66页
     ·聚类结果的解释第63-65页
     ·聚类算法应用的经济效益分析第65-66页
   ·本章小结第66-67页
第5章 结论与展望第67-69页
   ·结论第67-68页
   ·展望第68-69页
参考文献第69-72页
致谢第72页

论文共72页,点击 下载论文
上一篇:MPLS VPN技术在遥控监测中的应用
下一篇:武警安防系统的网络视频监控研究和应用