第1章 聚类算法与空间索引结构基础
1.1 背景与意义
1.2 聚类算法简介
1.2.1 基于划分的聚类算法
1.2.2 层次聚类算法
1.2.3 密度聚类算法
1.2.4 网格聚类算法
1.2.5 模型聚类算法
1.2.6 图聚类算法
1.2.7 其他聚类算法
1.3 聚类算法的研究现状及发展趋势
1.4 同步聚类
1.4.1 同步的起源与发展
1.4.2 同步聚类的起源与发展
1.5 近邻思想及同步模型在聚类分析中的应用
1.6 空间索引结构基础
1.7 本书的主要内容
第2章 基于近邻图与单元网格图的聚类算法
2.1 基本概念及性质
2.2 基于近邻图的聚类算法
2.2.1 CNNG算法示例
2.2.2 CNNG算法描述
2.2.3 CNNG算法的复杂度分析
2.2.4 CNNG算法的改进
2.3 基于单元网格图的聚类算法
2.3.1 CGCG算法的预处理
2.3.2 CGCG算法预处理步骤的复杂度分析
2.3.3 CGCG算法描述
2.3.4 CGCG算法的复杂度分析
2.4 算法实现与改进的若干方法及细节
2.4.1 多维网格划分法
2.4.2 多维索引树结构
2.4.3 近邻点集的构造
2.4.4 δ近邻单元网格集的构造
2.4.5 区域是否存在交集的判定
2.5 本章小结
第3章 基于近邻势与单元网格近邻势的聚类算法
3.1 基本概念
3.2 基于近邻势的聚类算法
3.2.1 CNNI算法描述
3.2.2 CNNI算法的说明
3.2.3 参数δ的设置
3.2.4 CNNI算法的改进版本
3.2.5 CNNI算法的变种版本
3.3 基于单元网格近邻势的聚类算法
3.3.1 CIGC算法描述
3.3.2 CIGC算法的复杂度分析
3.3.3 CIGC算法的参数设置
3.4 本章小结
第4章 快速同步聚类算法
4.1 基本概念
4.2 快速同步聚类算法的三种具体版本
4.2.1 SynC算法描述
4.2.2 基于R树的快速同步聚类算法
4.2.3 基于多维网格和红黑树的快速同步聚类算法
4.2.4 FSynC算法的一些知识
4.2.5 FSynC算法的复杂度分析
4.2.6 FSynC算法的参数设置
4.3 本章小结
第5章 基于Vicsek模型线性版本的同步聚类算法
5.1 基本概念及性质
5.2 有效的ESynC算法
5.2.1 有效的ESynC算法描述
5.2.2 比较Kuramoto扩展模型、Vicsek模型的线性版本及Vicsek模型的原始版本
5.2.3 ESynC算法的复杂度分析
5.2.4 ESynC算法的参数设置
5.2.5 ESynC算法的收敛性
5.2.6 ESynC算法的改进
5.3 本章小结
第6章 基于线性加权Vicsek模型的收缩同步聚类算法
6.1 基本概念
6.2 SSynC算法的对比与分析
6.2.1 SSynC算法描述
6.2.2 比较SynC算法、ESynC算法和SSynC算法的动态同步聚类过程
6.2.3 SSynC算法的复杂度分析
6.2.4 SSynC算法的参数设置
6.2.5 SSynC算法的收敛性
6.2.6 SSynC算法的改进
6.3 本章小结
第7章 基于分而治之框架与收缩同步聚类算法的多层同步聚类方法
7.1 MLSynC
7.1.1 使用MLSynC的条件
7.1.2 MLSynC的两层框架算法描述
7.1.3 MLSynC的递归算法描述
7.2 MLSynC的分析
7.2.1 比较SynC算法、ESynC算法、SSynC算法和MLSynC的同步聚类过程
7.2.2 MLSynC的复杂度分析
7.2.3 MLSynC的参数设置
7.2.4 MLSynC的收敛性
7.2.5 MLSynC的改进
7.3 本章小结
第8章 基于ESynC算法与微聚类合并判断过程的组合聚类算法
8.1 基本概念及性质
8.2 组合ESynC算法与微聚类合并判断过程的聚类方法
8.2.1 CESynC算法描述
8.2.2 CESynC算法中微聚类的合并策略
8.2.3 CESynC算法中微聚类的合并判断方法
8.2.4 CESynC算法的复杂度分析
8.2.5 CESynC算法的参数设置
8.3 本章小结
第9章 近邻同步聚类模型与指数衰减加权同步聚类模型的比较与分析
9.1 基本概念
9.2 基于同步模型的聚类算法框架
9.2.1 CNNS
9.2.2 CEDS
9.3 复杂度分析
9.3.1 算法9-1的复杂度分析
9.3.2 算法9-2的复杂度分析
9.4 参数的优化确定
9.5 本章小结
第10章 总结与展望
10.1 总结
10.2 展望
参考文献
附录A
致谢
展开
