文摘
英文文摘
声明
第一章绪论
1.1研究背景
1.1.1数据挖掘与聚类技术相关概念
1.1.2聚类算法所关注的性能指标
1.1.3聚类算法研究现状
1.2本文的主要工作及论文组织结构
1.2.1本文关注的主要问题及主要工作
1.2.2论文组织结构
第二章参数自适应聚类算法中的关键问题
2.1现有聚类算法在自适应性能方面所作的工作
2.1.1高自适应性聚类算法的意义
2.1.2参数自适应聚类算法的相关研究进展
2.2聚类算法参数自适应工作的难点
2.2.1效率和准确度的冲突:聚类算法普遍存在的问题
2.2.2高识别能力的参数自适应聚类算法面临的挑战
2.3本章小结
第三章DMBC算法主要设计思想
3.1基于密度聚类算法的重要启示
3.1.1 DBSCAN算法的核心思想及主要工作原理
3.1.2 DBSCAN算法的特色和启发性
3.1.3 DBSCAN算法存在的缺陷及其原因分析
3.1.4本文算法对于簇判定依据的重新认识
3.2密度模式的描述:最近邻关系的发展和应用
3.2.1最近邻关系的基本特点
3.2.2最近邻关系在现有聚类算法中的应用
3.2.3最近邻关系所蕴含丰富信息的进一步挖掘
3.3本章小结
第四章DMBC算法设计实现及其关键技术分析
4.1 DMBC算法工作原理概述
4.1.1动态k近邻图对于数据点在簇中所在位置的精确描述
4.1.2动态k近邻图中数据点的三种位置模式
4.1.3 DMBC算法聚类机制简述
4.1.4 Expand函数的工作原理及过程
4.2算法实现及其关键技术
4.2.1非均匀标度变换和比例判据
4.2.2数据结构对算法查询功能的支持和实现
4.3本章小结
第五章算法性能及实验结果分析
5.1算法时间复杂度分析
5.1.1算法主程序及核心函数结构分析
5.1.2算法时间复杂度的分析
5.2实验结果及分析
5.2.1实验数据选取及实验结果分析
5.2.2实验结果进一步分析和验证
5.3本章小结
第六章总结和展望
6.1论文总结
6.2进一步的研究方向
参考文献
致谢
攻读学位期间主要的研究成果