基于DPC算法混合属性数据流聚类研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 文献综述 | 第11-15页 |
| 1.2.1 混合属性数据聚类的相关文献 | 第11-12页 |
| 1.2.2 数据流聚类的相关文献 | 第12-14页 |
| 1.2.3 DPC算法的相关文献 | 第14-15页 |
| 1.3 研究思路及研究内容 | 第15-18页 |
| 1.3.1 研究思路 | 第15-16页 |
| 1.3.2 研究内容 | 第16-18页 |
| 1.4 文章创新点 | 第18-19页 |
| 第二章 数据流聚类研究 | 第19-24页 |
| 2.1 数据流 | 第19-20页 |
| 2.1.1 数据流特点 | 第19页 |
| 2.1.2 数据流和传统数据的比较分析 | 第19-20页 |
| 2.2 数据流处理模型 | 第20-21页 |
| 2.3 数据流聚类方法 | 第21-23页 |
| 2.4 数据流算法比较 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 混合属性数据流处理过程 | 第24-36页 |
| 3.1 数值型数据的标准化 | 第24-25页 |
| 3.2 高维数据流的降维 | 第25-30页 |
| 3.2.1 高维数据流降维方法 | 第25-27页 |
| 3.2.2 局部线性嵌入降维 | 第27-30页 |
| 3.3 混合属性数据的度量 | 第30-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 改进的DPC混合属性数据流聚类算法 | 第36-45页 |
| 4.1 DPC算法的概述 | 第36-39页 |
| 4.2 距离值计算的改进 | 第39-40页 |
| 4.3 密度值计算的改进 | 第40-42页 |
| 4.4 滑动窗口的应用 | 第42-43页 |
| 4.5 混合属性数据流背景下DPC改进算法的概述 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 实证分析 | 第45-60页 |
| 5.1 数据集介绍 | 第45-46页 |
| 5.1.1 KDDCup99数据集概述 | 第45页 |
| 5.1.2 KDDCup99数据预处理 | 第45-46页 |
| 5.2 聚类评价指标 | 第46-47页 |
| 5.3 聚类结果分析 | 第47-51页 |
| 5.4 效用检验 | 第51-58页 |
| 5.4.1 人口普查数据检验 | 第51-54页 |
| 5.4.2 银行营销数据检验 | 第54-56页 |
| 5.4.3 密度改进有效性检验 | 第56-58页 |
| 5.5 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录：DPC改进算法matlab代码 | 第65-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
