基于密度单元覆盖的聚类数据流算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-12页 |
| ·研究背景 | 第8-9页 |
| ·研究动机 | 第9-10页 |
| ·本文的贡献 | 第10-11页 |
| ·本文的内容组织 | 第11-12页 |
| 第二章 聚类算法 | 第12-25页 |
| ·数据流挖掘概述 | 第12-14页 |
| ·数据挖据 | 第12-13页 |
| ·数据流挖掘 | 第13-14页 |
| ·传统聚类算法 | 第14-17页 |
| ·聚类算法分类 | 第15-16页 |
| ·DBSCAN算法 | 第16-17页 |
| ·数据流聚类算法 | 第17-23页 |
| ·BIRCH算法 | 第17-18页 |
| ·Stream算法 | 第18-19页 |
| ·CluStream算法 | 第19-21页 |
| ·HPStream算法 | 第21-22页 |
| ·分析和讨论 | 第22-23页 |
| ·在数据流中发现具有任意形状的聚簇 | 第23-25页 |
| 第三章 双层数据流聚类框架 | 第25-31页 |
| ·概述 | 第25-26页 |
| ·框架描述 | 第26-28页 |
| ·在线数据表达模型 | 第28-29页 |
| ·小结 | 第29-31页 |
| 第四章 基于密度单元覆盖的聚类数据流算法 | 第31-41页 |
| ·概念和性质 | 第31-34页 |
| ·滑动窗口模型 | 第32页 |
| ·核心密度单元 | 第32-33页 |
| ·候选密度单元 | 第33页 |
| ·密度单元覆盖 | 第33-34页 |
| ·算法思想 | 第34-39页 |
| ·在线部分微聚类保存 | 第35-37页 |
| ·离线产生聚类 | 第37-38页 |
| ·聚类演化分析 | 第38-39页 |
| ·滑动窗口模型下算法的有效性 | 第39-41页 |
| 第五章 实验结果和分析 | 第41-47页 |
| ·实验环境 | 第41页 |
| ·实验数据 | 第41-42页 |
| ·实验分析 | 第42-46页 |
| ·性能对比 | 第42-45页 |
| ·敏感度分析 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第六章 结束语 | 第47-49页 |
| ·全文总结 | 第47页 |
| ·工作展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 附录: 攻读硕士学位期间发表的学术论文 | 第54页 |
