首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

面向高维数据的聚类算法改进研究

摘要第4-5页
Abstract第5页
第一章 绪论第8-16页
    1.1 研究背景和意义第8-9页
    1.2 国内外研究现状第9-13页
        1.2.1 K-means算法研究现状第10-11页
        1.2.2 子空间聚类算法研究现状第11-13页
    1.3 论文主要研究内容与组织结构第13-16页
第二章 相关背景知识第16-34页
    2.1 传统的聚类分析第16-21页
        2.1.1 聚类分析的基本概念及分类第16-18页
        2.1.2 传统K-means 算法第18-21页
    2.2 高维数据的聚类分析第21-25页
        2.2.1 高维数据特征第21-22页
        2.2.2 数据降维第22-24页
        2.2.3 子空间聚类第24-25页
    2.3 谱聚类第25-30页
        2.3.1 图论基础第26-27页
        2.3.2 相似矩阵的生成方式第27-28页
        2.3.3 拉普拉斯矩阵第28页
        2.3.4 谱图分割准则第28-30页
    2.4 稀疏子空间聚类算法第30-33页
        2.4.1 基本理论第30-32页
        2.4.2 算法描述与流程第32-33页
    2.5 本章小结第33-34页
第三章 基于距离密度的优化K-means算法第34-46页
    3.1 基本理论第34-37页
        3.1.1 距离密度特征模型第34-35页
        3.1.2 基于安全距离的效率优化方法第35-37页
    3.2 基于距离密度的优化K-means算法第37-42页
        3.2.1 初始聚类中心的改进算法第37-39页
        3.2.2 执行效率的优化策略第39-40页
        3.2.3 算法描述与流程第40-42页
    3.3 验证与分析第42-45页
        3.3.1 实验环境第42-43页
        3.3.2 实验数据第43页
        3.3.3 实验结果与分析第43-45页
    3.4 本章小结第45-46页
第四章 基于多子空间的聚类算法改进第46-58页
    4.1 基本理论第46-48页
    4.2 基于多子空间的聚类算法改进第48-52页
    4.3 仿真实验与验证第52-57页
        4.3.1 实验环境第52页
        4.3.2 实验数据第52-54页
        4.3.3 实验结果与分析第54-57页
    4.4 本章小结第57-58页
第五章 原型系统设计与实现第58-64页
    5.1 系统需求分析第58-59页
    5.2 详细设计第59-60页
    5.3 系统实现第60-63页
    5.4 本章小结第63-64页
第六章 总结与展望第64-66页
    6.1 总结第64页
    6.2 展望第64-66页
参考文献第66-69页
附录1 攻读硕士学位期间申请的专利第69-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:图像化界面文化遗产信息数据库设计与实现--以新疆岩画为例
下一篇:基于视频的驾驶员疲劳状态检测方法研究