|
|
|
面向大数据的高效数据挖掘算法研究 |
|
论文目录 |
|
摘要 | 第5-6页 | Abstract | 第6页 | 第1章 绪论 | 第10-14页 | 1.1 研究背景及意义 | 第10-11页 | 1.2 国内外研究现状 | 第11-12页 | 1.3 论文工作及结构 | 第12-14页 | 第2章 大数据挖掘技术概述与分析 | 第14-19页 | 2.1 大数据挖掘概述 | 第14-15页 | 2.1.1 大数据概念与特点 | 第14页 | 2.1.2 数据挖掘的介绍 | 第14-15页 | 2.2 聚类技术 | 第15-17页 | 2.2.1 划分聚类 | 第15-16页 | 2.2.2 层次聚类 | 第16页 | 2.2.3 基于密度的聚类 | 第16-17页 | 2.3 海量数据处理技术 | 第17-18页 | 2.3.1 抽样技术 | 第17页 | 2.3.2 增量式技术 | 第17-18页 | 2.3.3 分布式技术 | 第18页 | 2.3.4 云计算 | 第18页 | 2.4 本章小结 | 第18-19页 | 第3章 基于增量式的核模糊聚类算法研究 | 第19-39页 | 3.1 增量式聚类模型 | 第19-20页 | 3.2 增量式核模糊聚类算法 | 第20-23页 | 3.3 改进的基于增量式的核模糊聚类算法 | 第23-30页 | 3.3.1 单个数据块初始聚类中心的优化 | 第24-27页 | 3.3.2 多个传递点的选取 | 第27-29页 | 3.3.3 改进算法的流程 | 第29-30页 | 3.4 实验结果与分析 | 第30-38页 | 3.4.1 数据集 | 第31-32页 | 3.4.2 数据划分方法 | 第32页 | 3.4.3 性能指标 | 第32-33页 | 3.4.4 结果与分析 | 第33-38页 | 3.5 本章小结 | 第38-39页 | 第4章 分布式k-means算法研究 | 第39-53页 | 4.1 分布式聚类模型 | 第39-40页 | 4.2 分布式k-means算法分析 | 第40-41页 | 4.3 改进的分布式k-means算法 | 第41-48页 | 4.3.1 局部聚类结果的改进 | 第42-44页 | 4.3.2 基于距离和分布的局部聚类结果合并的方法 | 第44-47页 | 4.3.3 改进的分布式k-means算法描述 | 第47-48页 | 4.4 实验结果与分析 | 第48-52页 | 4.4.1 与集中式k-means算法的比较 | 第48-50页 | 4.4.2 与K-Dmeans算法的比较 | 第50-52页 | 4.5 本章小结 | 第52-53页 | 第5章 结论与展望 | 第53-55页 | 5.1 本文工作总结 | 第53页 | 5.2 不足与展望 | 第53-55页 | 参考文献 | 第55-59页 | 攻读硕士期间学位期间发表的论文及其它成果 | 第59-60页 | 致谢 | 第60页 |
|
|
|
|
论文编号BS3246173,这篇论文共60页 会员购买按0.35元/页下载,共需支付21元。 直接购买按0.5元/页下载,共需要支付30元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|