1 绪论
1.1 研究背景及意义
1.2 研究现状
1.3 研究内容
1.4 论文组织结构
1.5 本章小结
2 不确定数据聚类研究
2.1 不确定数据
2.1.1 数据的不确定性
2.1.2 不确定数据表现形式
2.1.3 不确定数据分析面临的挑战
2.2 不确定数据聚类
2.2.1 不确定数据聚类定义
2.2.2 不确定数据聚类流程
2.2.3 传统聚类算法
2.2.4 不确定数据聚类算法
2.3 本章小结
3 基于区间数的不确定数据聚类算法设计
3.1 问题描述
①不确定距离计算导致高时间复杂度
②代表对象造成不确定数据分布信息缺失
3.2 不确定数据的区间数模型
3.2.1 区间数模型构建
3.2.2 区间数距离计算
3.3.1 算法基本流程
3.3.2 算法相关定义
3.3.3 算法设计实现
3.4 算法性能分析
②聚类精度
3.5 本章小结
4 不确定数据聚类算法的自适应改进
4.1.1 问题描述
4.1.2 IN-DBSCAN算法的概率阈值自适应改进
4.2.1 问题描述
4.2.2 常见参数阈值自适应模型
4.2.3 IN-DBSCAN算法的参数阈值自适应改进
4.3 不确定数据自适应聚类算法
4.4 算法性能分析
②聚类精度
4.5 本章小结
5 实验评估
5.1 实验环境
5.2 实验数据
5.2.1 合成数据集
5.2.2 真实基准数据集
5.2.3 真实世界数据集
5.3 实验评价指标
5.4 对比的基准算法
5.5 实验基础设置
5.6.1 运行效率比较
5.6.2 聚类精度比较
5.7 本章小结
6 总结与展望
参考文献
附录
A. 作者在攻读硕士学位期间发表的论文目录
B. 作者在攻读硕士学位期间发表的发明专利
C. 作者在攻读硕士学位期间得奖情况
D. 作者在攻读硕士学位期间参加的科研项目
E. 学位论文数据集
致谢
重庆大学;