面向大数据集的递增聚类方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 引言 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 静态聚类方法研究现状 | 第10-11页 |
| 1.2.2 递增聚类方法研究现状 | 第11-13页 |
| 1.2.3 融合聚类方法研究现状 | 第13页 |
| 1.3 研究目标和内容 | 第13-15页 |
| 1.3.1 研究目标 | 第13-14页 |
| 1.3.2 研究内容 | 第14页 |
| 1.3.3 主要问题和难点 | 第14-15页 |
| 1.4 论文结构 | 第15-16页 |
| 第2章 背景知识 | 第16-22页 |
| 2.1 引言 | 第16页 |
| 2.2 高斯混合模型 | 第16-17页 |
| 2.3 高斯混合模型相似性度量公式 | 第17页 |
| 2.4 证据理论 | 第17-18页 |
| 2.5 实验数据库及评价准则 | 第18-20页 |
| 2.5.1 实验数据库 | 第18-19页 |
| 2.5.2 评价标准 | 第19-20页 |
| 2.6 本章小结 | 第20-22页 |
| 第3章 基于高斯混合模型树的递增聚类算法 | 第22-49页 |
| 3.1 引言 | 第22页 |
| 3.2 本文方法 | 第22-32页 |
| 3.2.1 高斯混合模型树 | 第23-24页 |
| 3.2.2 数据插入 | 第24-25页 |
| 3.2.3 数据删除 | 第25-28页 |
| 3.2.4 聚类树的更新 | 第28-30页 |
| 3.2.5 聚类结果的确定 | 第30-32页 |
| 3.3 实验 | 第32-47页 |
| 3.3.1 实验设置 | 第32-33页 |
| 3.3.2 实验结果与分析 | 第33-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 基于高斯混合模型和证据理论的融合聚类算法 | 第49-57页 |
| 4.1 引言 | 第49-50页 |
| 4.2 本文方法 | 第50-53页 |
| 4.2.1 基于高斯混合模型的数据拟合方法 | 第50-51页 |
| 4.2.2 基于证据理论的融合聚类算法 | 第51-53页 |
| 4.3 实验 | 第53-56页 |
| 4.3.1 实验设置 | 第53-54页 |
| 4.3.2 实验结果与分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57-58页 |
| 5.2 下一步工作展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 攻读学位期间发表论文与研究成果清单 | 第65-66页 |
| 致谢 | 第66页 |
