基于密度与距离相结合的聚类算法及其应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.1.1 课题研究背景 | 第10页 |
| 1.1.2 课题研究的意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 相关聚类算法研究现状 | 第11-12页 |
| 1.2.2 医学系统研究现状 | 第12-13页 |
| 1.3 论文的研究内容及结构 | 第13-14页 |
| 1.3.1 论文的主要内容 | 第13页 |
| 1.3.2 论文结构 | 第13-14页 |
| 1.4 本章小结 | 第14-16页 |
| 2 居民健康管家项目设计 | 第16-32页 |
| 2.1 相关技术 | 第16-18页 |
| 2.1.1 工厂模式与反射机制 | 第16-17页 |
| 2.1.2 可配置管理 | 第17页 |
| 2.1.3 多级角色权限分配机制 | 第17-18页 |
| 2.2 需求分析 | 第18-20页 |
| 2.2.1 系统的功能性需求 | 第18-20页 |
| 2.2.2 系统的非功能性需求 | 第20页 |
| 2.3 功能设计 | 第20-25页 |
| 2.3.1 系统结构设计 | 第21-22页 |
| 2.3.2 系统主要模块设计 | 第22-25页 |
| 2.4 系统数据库设计 | 第25-30页 |
| 2.4.1 概念设计 | 第25-28页 |
| 2.4.2 数据库建表 | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 基于密度和距离相结合的聚类算法 | 第32-44页 |
| 3.1 基于密度的聚类算法 | 第32-34页 |
| 3.1.1 DBSCAN基本定义 | 第32-33页 |
| 3.1.2 DBSCAN聚类算法流程 | 第33-34页 |
| 3.2 基于距离的聚类算法 | 第34-35页 |
| 3.2.1 K-means基本定义 | 第34页 |
| 3.2.2 K-means聚类算法流程 | 第34-35页 |
| 3.3 基于密度和距离相结合的聚类算法 | 第35-42页 |
| 3.3.1 算法核心思想 | 第35页 |
| 3.3.2 算法流程 | 第35-37页 |
| 3.3.3 算法核心代码 | 第37-39页 |
| 3.3.4 实验结果 | 第39-40页 |
| 3.3.5 结果分析 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 4 基于改进算法在居民健康管家中的应用 | 第44-50页 |
| 4.1 系统实现 | 第44-47页 |
| 4.2 数据的采集及数据分析 | 第47-49页 |
| 4.2.1 数据采集 | 第47-48页 |
| 4.2.2 数据分析 | 第48-49页 |
| 4.3 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 攻读学位期间的科研成果 | 第59-60页 |
