一种基于密度的不确定性数据聚类算法
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文研究内容 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 聚类相关理论与技术 | 第16-31页 |
| 2.1 不确定数据概述 | 第16-18页 |
| 2.1.1 产生原因 | 第16页 |
| 2.1.2 表现形式及表达模型 | 第16-17页 |
| 2.1.3 不确定数据处理技术 | 第17页 |
| 2.1.4 不确定数据相关工作 | 第17-18页 |
| 2.2 聚类分析概述 | 第18-19页 |
| 2.2.1 定义 | 第18页 |
| 2.2.2 应用 | 第18-19页 |
| 2.2.3 数据类型 | 第19页 |
| 2.3 聚类算法 | 第19-22页 |
| 2.3.1 划分方法 | 第20页 |
| 2.3.2 层次方法 | 第20-21页 |
| 2.3.3 密度方法 | 第21页 |
| 2.3.4 网格方法 | 第21-22页 |
| 2.4 基于密度的确定性数据聚类算法 | 第22-24页 |
| 2.4.1 算法思想 | 第22页 |
| 2.4.2 DBSCAN算法 | 第22-24页 |
| 2.5 基于密度的不确定性数据聚类算法 | 第24-30页 |
| 2.5.1 算法研究发展 | 第24-25页 |
| 2.5.2 FDBSCAN算法 | 第25-27页 |
| 2.5.3 PDBSCAN算法 | 第27-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于密度的不确定性数据聚类算法 | 第31-47页 |
| 3.1 理论基础 | 第31-35页 |
| 3.1.1 概率半径 | 第31-32页 |
| 3.1.2 信息熵 | 第32-35页 |
| 3.2 不确定数据索引技术 | 第35-37页 |
| 3.2.1 R树索引 | 第35-36页 |
| 3.2.2 R*树索引 | 第36-37页 |
| 3.3 新算法：PRE-DBSCAN算法 | 第37-44页 |
| 3.3.1 相关定义 | 第37-38页 |
| 3.3.2 算法思想 | 第38-41页 |
| 3.3.3 算法描述 | 第41-44页 |
| 3.4 算法对比分析 | 第44-45页 |
| 3.4.1 聚类准确性 | 第44页 |
| 3.4.2 自定义参数影响 | 第44-45页 |
| 3.4.3 算法效率及多维数据处理 | 第45页 |
| 3.5 本章小结 | 第45-47页 |
| 第4章 仿真实验与结果分析 | 第47-58页 |
| 4.1 实验环境 | 第47页 |
| 4.2 不确定数据集 | 第47-48页 |
| 4.2.1 数据集选定 | 第47-48页 |
| 4.2.2 数据处理 | 第48页 |
| 4.2.3 聚类效果评价 | 第48页 |
| 4.3 实验结果分析 | 第48-56页 |
| 4.3.1 聚类效果 | 第48-49页 |
| 4.3.2 参数对算法的影响 | 第49-51页 |
| 4.3.3 算法对比 | 第51-56页 |
| 4.4 本章小结 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
