文档介绍：:.
学位论文作者:丑岛≮剑日期:冢年孪θ日期:/辍辉拢日原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。学位论文使用授权声明本人在导师指导下完成的论文及相关的职务作品,知识产权归属郑州大学。根据郑州大学有关保留、使用学位论文的规定,同意学校保留或向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅;本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索,可以采用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时,第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。学位论文作者:
\删删摘要随着科学技术的发展与创新,信息技术及计算机技术给社会带来极大的进步,数据库的信息量也随着增长,形成了大量多元化数据,并蕴含丰富的信息。数据挖掘便是一种能够快速有效的帮助我们从这些大量的多元数据中提取出有效信息的技术。聚类分析是数据挖掘的重要组成部分之一,在任何分析含有多元数据的领域中都很普遍。而聚类边界检测在图像处理、机器学习和实际应用中具有重要的作用,但对聚类边界检测研究还处于起步阶段。准确地检测聚类边界有助于提高聚类或分类的精度,也能对边界数据的特征进行深入研究。本文在分析现有聚类边界检测算法的基础上,先求得候选边界集,然后再确定聚类的精确边界,基于这种逐步求精的思想,提出了两种新的聚类边界检测算法:基于双阈值分割的聚类边界检测算法突诟慕膆呓缂觳馑惴ǜ菔莸愕淖荚蚝档牟煌酶叩土礁鲢兄将数据对象分为聚类的内部点、中间点和外部点三个点集,然后从中间点集中去除内部点,并与外部点集合并,形成了候选边界集。再对候选边界集进行二次处理,得到比较精确的边界。实验结果表明,该算法可以快速有效的检测任意形状、任意大小和不同密度的聚类边界点,在真实数据和高维数据集上同样适用。同时,算法参数也易于选取。边界检测算法以图像处理中的算子为基础。先选取一个参考方向,然后通过角度信息选取另一个方向,计算这两个方向上数据点的方向变化率,根据改进的算子的思想,计算这个对象的边界点响应函数值,并利用近边界的点或者稀疏的部分内部点。再利用角度响应阈值完善这个边界。算法能够处理多密度、不同形状、任意大小的数据集。本文提出的这两个边界检测算法引入了其他领域的知识,能够有效的解决聚类分析中边界检测问题。关键词:边界点;聚类;双阈值;准则函数;候选边界集算子的边界检测方法。边界响应阈值去除大部分内部点和噪声点,所留下的数据点为边界点和部分靠
琲...:,,,,,瓵瑆瓵
.,瓹瓵..瓵..瓵猺.,琩瓸篵,,琧,
目录劾喾治鲇刖劾啾呓缂觳夥治觥恢只谒兄捣指畹木劾啾呓缂觳馑惴ā摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯目录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯Ⅳ绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。研究背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究内容与思路⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..论文组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..聚类算法简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..聚类边界检测综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..边界检测算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯算法提出⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.相关定义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯实验结果及分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..边界点检测算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.边界点检测算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。算法流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.髀⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..惴ǖ挠行匝橹ぁ.
诟慕膆阕拥谋呓缂觳夥椒ā芙峒跋乱徊焦ぷ髡雇参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯个人简历、在学期间发表的学术论文与研究成果⋯⋯⋯⋯⋯⋯⋯致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。算法流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.ú问治觥本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯