| 第一章 绪论 | 第1-10页 |
| ·研究意义 | 第7-9页 |
| ·本文工作 | 第9页 |
| ·内容组织 | 第9-10页 |
| 第二章 聚类分析相关技术 | 第10-22页 |
| ·聚类算法介绍 | 第10-19页 |
| ·聚类问题的数学模型 | 第10-11页 |
| ·聚类算法的典型要求 | 第11页 |
| ·聚类算法的评价标准 | 第11-12页 |
| ·典型聚类算法介绍 | 第12-19页 |
| ·其他相关技术 | 第19-22页 |
| ·离群点识别 | 第19-21页 |
| ·降维与可视化技术 | 第21-22页 |
| 第三章 新型层次聚类算法研究 | 第22-37页 |
| ·离群点识别 | 第23-28页 |
| ·考虑局部特征的离群点识别算法 | 第23-26页 |
| ·基于公共近邻的离群点识别算法 | 第26-28页 |
| ·CURED 算法 | 第28-31页 |
| ·算法思想 | 第29-30页 |
| ·算法流程 | 第30-31页 |
| ·分析 | 第31页 |
| ·ASHCA 算法 | 第31-33页 |
| ·算法思想 | 第32页 |
| ·算法流程 | 第32-33页 |
| ·分析 | 第33页 |
| ·AS-ROCK 算法 | 第33-37页 |
| ·算法思想 | 第33-35页 |
| ·算法流程 | 第35页 |
| ·分析 | 第35-37页 |
| 第四章 聚类实验平台设计与实现 | 第37-52页 |
| ·平台设计 | 第37-40页 |
| ·平台基本功能 | 第37-38页 |
| ·平台系统结构 | 第38-39页 |
| ·聚类算法 | 第39页 |
| ·离群点识别和降维算法 | 第39-40页 |
| ·平台实现 | 第40-44页 |
| ·开发工具 | 第40页 |
| ·数据源无关的数据获取 | 第40-42页 |
| ·测试数据集 | 第42页 |
| ·可视化的数据分析 | 第42-44页 |
| ·融合相关技术的聚类分析 | 第44页 |
| ·利用平台分析聚类算法 | 第44-52页 |
| ·对比各类聚类算法 | 第44-46页 |
| ·新型层次聚类算法在平台上的实验 | 第46-52页 |
| 第五章 聚类实验平台在三维模型检索中的应用 | 第52-64页 |
| ·三维模型检索中聚类分析技术应用前景 | 第52页 |
| ·三维模型特征值提取方法简介 | 第52-53页 |
| ·若干自动终止聚类算法应用于三维模型特征值数据集的效果研究 | 第53-58页 |
| ·两个自动终止聚类算法的效果对比研究 | 第54-56页 |
| ·CURED 算法应用效果的研究 | 第56-58页 |
| ·基于聚类分析技术的三维模型检索系统原型 | 第58-61页 |
| ·应用聚类结果提高三维模型检索效率研究 | 第61-64页 |
| 第六章 结束语 | 第64-66页 |
| ·工作总结 | 第64-65页 |
| ·未来工作 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 附录一 研究生在读期间发表论文 | 第68-69页 |
| 摘要 | 第69-71页 |
| ABSTRACT | 第71-74页 |
| 致谢 | 第74-75页 |
| 导师及作者简介 | 第75页 |