基于不确定数据聚类算法的研究与改进

目录

声明

第一章 绪 论

1.1 论文的选题背景和意义

1.2 国内外研究现状

1.2.1 基于划分的不确定聚类研究

1.2.2 基于密度的不确定聚类研究

1.3 论文的主要内容

1.4 论文的结构安排

第二章 不确定数据及聚类算法研究

2.1 不确定数据的研究

2.1.1 不确定数据的来源

2.1.2 不确定数据的分类

2.2 确定数据聚类算法研究

2.2.1 聚类的基本定义

2.2.2 常用确定聚类算法综述

2.3 本章小结

第三章 基于划分的不确定EFCM-ID聚类算法

3.1 相关研究及问题

3.2 不确定数据处理

3.3 FCM算法介绍

3.4 EFCM-ID算法

3.4.1 基于抽样的密度中心选取方法SDCS

3.4.2 相对加速隶属度更新策略

3.5 算法分析

3.6 实验分析

3.6.1 实验环境

3.6.2 数据准备

3.6.3 评价指标

3.6.4 MQ距离的有效性实验

3.6.5 EFCM-ID算法有效性实验

3.6.6 算法比较实验

3.7 本章小结

第四章 基于密度的不确定ADBSCAN-ID聚类算法

4.1 相关研究及问题

4.2 DBSCAN算法介绍

4.3 ADBSCAN-ID算法

4.3.1 相关工作和定义

4.3.2 邻域差分扩张法

4.4 算法分析

4.5 实验分析

4.5.1 ADBSCAN-ID算法有效性实验

4.5.2 算法比较实验

4.6 本章小结

第五章 总结与展望

5.1 本文总结

5.2 研究展望

参考文献

致谢

攻读学位期间的研究成果