首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

数据约减方法研究及聚类有效性分析

摘要第4-5页
abstract第5-6页
第1章 绪论第9-15页
    1.1 研究背景及意义第9-10页
    1.2 国内外的研究现状第10-12页
        1.2.1 数据约减的研究现状第10-11页
        1.2.2 聚类分析的研究现状第11-12页
    1.3 本文的主要内容第12-13页
    1.4 论文结构第13-15页
第2章 相关理论知识第15-25页
    2.1 聚类分析简述第15-18页
        2.1.1 基本概念第15-16页
        2.1.2 常用聚类算法第16-18页
    2.2 聚类有效性简述第18-23页
        2.2.1 聚类有效性分析第18-20页
        2.2.2 聚类有效性指标第20-23页
    2.3 本章小结第23-25页
第3章 基于网格的数据约减算法第25-39页
    3.1 数据空间网格划分过程第25-27页
        3.1.1 网格划分的基本概念及定义第25-26页
        3.1.2 二分网格的实现过程第26-27页
    3.2 基于网格的数据约减算法第27-30页
        3.2.1 绝对密度和相对密度第27-29页
        3.2.2 基于网格的数据约减算法第29-30页
    3.3 算法分析第30-33页
    3.4 实验结果第33-37页
    3.5 本章小结第37-39页
第4章 基于向量角的数据约减算法第39-49页
    4.1 向量角算法描述第39-42页
        4.1.1 向量角简介第39-40页
        4.1.2 基于向量角的数据约减算法第40-41页
        4.1.3 计算平均方向角的最优方式第41-42页
    4.2 算法分析第42-43页
    4.3 实验结果第43-45页
    4.4 GBDR与VADR两种算法比较第45-47页
    4.5 本章小结第47-49页
第5章 基于数据约减的聚类有效性分析第49-59页
    5.1 聚类准确性分析第49-51页
    5.2 数据集最佳类数确定分析第51-57页
        5.2.1 最佳类数确定方法第51-52页
        5.2.2 最佳类数确定实验分析第52-57页
    5.3 本章小结第57-59页
第6章 总结与展望第59-61页
    6.1 总结第59页
    6.2 展望第59-61页
参考文献第61-65页
发表论文和参加科研情况说明第65-67页
致谢第67-68页

论文共68页,点击 下载论文
上一篇:SPARQL查询统计分析
下一篇:基于机器学习的Android恶意软件静态检测技术研究