数据挖掘技术在特殊天体发现中的应用研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第1章 绪论 | 第12-17页 |
| ·引言 | 第12页 |
| ·LAMOST项目 | 第12-15页 |
| ·LAMOST项目简介 | 第12-13页 |
| ·LAMOST的意义和科学目标 | 第13-14页 |
| ·恒星分类 | 第14-15页 |
| ·特殊天体发现的意义 | 第15页 |
| ·研究现状和本文组织结构 | 第15-17页 |
| 第2章 高维数据的离群挖掘技术 | 第17-26页 |
| ·引言 | 第17页 |
| ·数据挖掘概述 | 第17-18页 |
| ·高维数据挖掘 | 第18-22页 |
| ·高维数据的特点 | 第19-20页 |
| ·高维数据对挖掘的影响 | 第20-21页 |
| ·高维数据挖掘的意义 | 第21-22页 |
| ·离群点数据挖掘技术 | 第22-25页 |
| ·离群点数据挖掘概述 | 第22页 |
| ·离群点数据挖掘方法的分类 | 第22-24页 |
| ·离群点数据挖掘的主要方向 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 聚类算法及改进 | 第26-41页 |
| ·聚类算法概述 | 第26-31页 |
| ·基于划分的聚类方法 | 第27-29页 |
| ·基于层次的聚类方法 | 第29-30页 |
| ·基于密度的聚类方法 | 第30页 |
| ·基于网格的聚类方法 | 第30-31页 |
| ·几种常用的聚类算法的比较 | 第31页 |
| ·高维数据对聚类算法的影响 | 第31-33页 |
| ·高维对聚类算法效率的影响 | 第31-32页 |
| ·如何应对高维对聚类带来的负面影响 | 第32-33页 |
| ·高维聚类算法 | 第33-35页 |
| ·维增长子空间聚类 | 第33-34页 |
| ·维归约子空间聚类 | 第34页 |
| ·基于频繁模式的聚类 | 第34-35页 |
| ·一种有效的高维离群点发现方法 | 第35-41页 |
| ·主分量分析方法 | 第36-37页 |
| ·改进 DBSCAN密度聚类算法 | 第37-41页 |
| 第4章 离群数据挖掘在天体发现中的应用 | 第41-50页 |
| ·引言 | 第41页 |
| ·实验数据 | 第41-43页 |
| ·斯隆数字化巡天 | 第41页 |
| ·FITS文件格式 | 第41-42页 |
| ·天体粗分类数据 | 第42-43页 |
| ·系统设计 | 第43-45页 |
| ·特殊天体挖掘流程 | 第43-44页 |
| ·功能模块及主界面 | 第44-45页 |
| ·实验环境 | 第45-47页 |
| ·Visual C#语言 | 第45-46页 |
| ·Matlab | 第46-47页 |
| ·实验结果及分析 | 第47-50页 |
| 第5章 总结 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间发表的学术论文目录 | 第55-56页 |
| 学位论文评阅及答辩情况表 | 第56页 |
