基于二路生成树和融合边界的聚类边界检测算法研究
摘要 | 第1-5页 |
Abstract | 第5-7页 |
目录 | 第7-9页 |
1 引言 | 第9-11页 |
·研究背景及意义 | 第9-10页 |
·研究内容和思路 | 第10页 |
·论文的组织结构 | 第10-11页 |
2 数据挖掘和聚类边界检测分析 | 第11-22页 |
·数据挖掘综述 | 第11页 |
·聚类分析综述 | 第11-15页 |
·聚类概念 | 第12页 |
·聚类算法 | 第12-13页 |
·聚类的发展趋势 | 第13-15页 |
·边界检测算法 | 第15-21页 |
·采用反向KNN技术的边界提取算法 | 第15-16页 |
·采用熵概念的边界检测算法 | 第16-18页 |
·采用几何概念的边界检测算法 | 第18-21页 |
·本章小结 | 第21-22页 |
3 基于二路生成树的聚类边界检测算法 | 第22-31页 |
·算法的提出 | 第22页 |
·相关概念 | 第22-24页 |
·算法步骤 | 第24页 |
·实验结果及分析 | 第24-30页 |
·算法有效性验证 | 第25-28页 |
·算法时间复杂度分析 | 第28-29页 |
·参数设定 | 第29-30页 |
·本章小结 | 第30-31页 |
4 基于融合边界的边界检测算法 | 第31-48页 |
·问题的提 | 第31-33页 |
·基本定义 | 第33-36页 |
·算法步骤 | 第36-40页 |
·实验结果与分析 | 第40-47页 |
·算法有效性验证 | 第40-47页 |
·算法时间复杂度分析 | 第47页 |
·参数设定 | 第47页 |
·本章小结 | 第47-48页 |
5 总结及下一步工作展望 | 第48-50页 |
·论文总结 | 第48页 |
·下一步工作与展望 | 第48-50页 |
参考文献 | 第50-54页 |
致谢 | 第54-55页 |
个人简历及发表论文情况 | 第55页 |