摘要 | 第1-5页 |
ABSTRACT | 第5-9页 |
第1章 绪论 | 第9-15页 |
·研究背景及意义 | 第9页 |
·聚类定义与聚类算法的分类 | 第9-11页 |
·聚类概念与聚类过程 | 第9-10页 |
·聚类算法的类别 | 第10-11页 |
·各种典型聚类算法简介 | 第11页 |
·VORONOI 图 | 第11-13页 |
·Voronoi 图的定义 | 第11-12页 |
·Voronoi 图的特性 | 第12-13页 |
·Voronoi 图的应用 | 第13页 |
·本文的研究内容 | 第13页 |
·论文的结构 | 第13-15页 |
第2章 几种经典的聚类算法 | 第15-30页 |
·聚类算法 | 第15-19页 |
·聚类分析 | 第15-16页 |
·不同的簇类型 | 第16-18页 |
·聚类算法的一般特性 | 第18-19页 |
·数据特性 | 第19页 |
·K 均值聚类算法 | 第19-22页 |
·算法描述 | 第20页 |
·算法的参数及复杂性 | 第20-21页 |
·算法的优点与缺点 | 第21页 |
·各种改进的k-均值聚类算法 | 第21-22页 |
·基于密度的聚类算法-DBSCAN | 第22-24页 |
·根据基于中心的密度进行点分类 | 第22-23页 |
·优点与缺点 | 第23-24页 |
·算法的改进 | 第24页 |
·基于网格与密度的聚类算法 | 第24-28页 |
·基于网格与密度的基本的聚类算法 | 第24-25页 |
·CLIQUE 算法 | 第25-27页 |
·基于网格与密度的聚类算法的新进展 | 第27-28页 |
·聚类算法的选择 | 第28-29页 |
·小结 | 第29-30页 |
第3章 封闭区域VORONOI 图的构造 | 第30-37页 |
·VORONOI 图的定义与相关概念 | 第30-31页 |
·一些基本理论 | 第31-32页 |
·增量法构造VORONOI 图 | 第32-33页 |
·封闭区域VORONOI 图的构造 | 第33-35页 |
·VORONOI 单元面积的计算 | 第35-36页 |
·小结 | 第36-37页 |
第4章 基于VORONOI 图的平面数据的聚类分析 | 第37-44页 |
·为什么要将VORONOI 图代替网格 | 第37-39页 |
·网格的优点与缺点 | 第37-38页 |
·用Voronoi 图代替网格 | 第38-39页 |
·基于VORONOI 图的聚类算法 | 第39-43页 |
·算法思想 | 第39-40页 |
·算法 | 第40-42页 |
·算法的复杂度分析 | 第42页 |
·算法中的参数 | 第42-43页 |
·小结 | 第43-44页 |
第5章 实验及分析 | 第44-57页 |
·WEKA 简介 | 第44页 |
·第一个实验例子 | 第44-47页 |
·iris 简介 | 第44-45页 |
·相关的对比算法及说明 | 第45-46页 |
·实验结果对比 | 第46页 |
·第一个实验结果分析 | 第46-47页 |
·第二个对比实验 | 第47-50页 |
·参数的设定 | 第50-55页 |
·密度阈值的设置 | 第50-52页 |
·质心变化终止值的设置 | 第52-53页 |
·初始化参数 | 第53-55页 |
·小结 | 第55-57页 |
第6章 算法在地理信息中的应用 | 第57-61页 |
·问题的提出 | 第57页 |
·问题的分析 | 第57-58页 |
·改进的基于VORONOI 的平面数据的聚类分析 | 第58-59页 |
·算法与问题的异同点 | 第58页 |
·改进的Voronoi-Cluster 算法 | 第58-59页 |
·实验 | 第59-60页 |
·小结 | 第60-61页 |
第7章 算法改进及其展望 | 第61-66页 |
·算法的伸缩性 | 第61-62页 |
·引入核聚类思想 | 第62-64页 |
·核聚类思想简介 | 第62页 |
·相关定义与概念 | 第62-63页 |
·将核函数引入Voronoi-Cluster | 第63-64页 |
·将算法从二维向多维空间扩展 | 第64页 |
·初始化过程 | 第64-65页 |
·其他 | 第65页 |
·展望 | 第65-66页 |
结论 | 第66-68页 |
参考文献 | 第68-72页 |
致谢 | 第72-73页 |
附录A 攻读学位期间所发表的学术论文目录 | 第73页 |