第一篇 空間數據挖掘　第1章 空間數據挖掘研究緒論　 一、空間數據挖掘研究背景及意義　 二、空間數據挖掘與經典數據挖掘的區彆　 三、空間數據挖掘技術的主要方法及特點　 (一)空間數據概化　 (二)空間規則挖掘　 (三)空間分類　 (四)空間趨勢預測　 (五)空間聚類　 (六)空間離群點查找　 四、空間數據挖掘相關研究　 本章參考文獻　第2章 空間多維位置相關規則挖掘算法　　一、已有研究的不足　　二、基於影響域的空間多維位置相關規則模型(SMARM)的構建　　三、空間多維位置相關規則的挖掘算法SMARBIA　　四、算法時間性能分析　　五、實驗　　六、本章小結　　本章參考文獻　第3章 基於多代錶點特徵樹的空間聚類算法　 一、相關工作　 二、多代錶點特徵(MRF)樹　 (一)MRF一樹的插入操作　 (二)MRF一樹的重建　 三、基於MRF一樹的算法CAMFT　 (一)隨機取樣　 (二)建樹　 (三)葉結點聚類 (四)全局聚類 四、算法的時空復雜性分析 五、實驗 (一)算法的有效性 (二)算法的效率 (三)參數討論 六、本章小結 本章參考文獻 第4章 基於方形鄰域的空間離群點挖掘算法 一、相關研究 二、基於方形鄰域的離群點查找算法ODBSN (一)相關的定義 (二)基於方形鄰域查找的離群點算法 三、算法的時間復雜性評估與理論比較 四、實驗 (一)影響效率的因素評價 (二)算法的有效性與效率評價 五、本章小結 本章參考文獻 第5章 基於偏離因子的空間離群點挖掘算法 一、相關研究 二、空間偏離因子的初步構建 三、空間偏離度量的修正與空間度量的構建 四、空間偏離因子的可行性分析 五、空間離群點查找算法SOFDetecting與復雜性分析 六、實驗 七、本章小結 本章參考文獻 第6章 基於跳躍取樣的空間離群點挖掘算法 一、空間離群點模型及其相關概念 二、空間離群點查找算法DBSODLs 三、DBSODLS算法時間復雜性 四、DBSODLS算法與其他基於密度的挖掘算法理論比較 (一)DBSODLS算法與GDBSCAN性能比較 (二)DBSODLS算法與LOF算法性能的比較 五、實驗 (一)有效性實驗 (二)算法效率比較 (三)影響時間性能的兩個主要因素評價 本章參考文獻 第7章 移動對象軌跡的雙重插值算法 一、一些主要的插值技術 (一)牛頓(Newton)插值 (二)拉格朗日(Lagr。ange)插值 (三)分段綫性插值 (四)三次樣條插值 (五)分段三次Hermite插值 二、軌跡插值的研究進展 三、移動對象軌跡的雙重插值模型與算法 (一)模型思想 (二)時間序列的保形三次Hermite插值 四、性能評價因素 (一)軌跡精度 (二)插值時間 五、實驗與分析 (一)雙重插值模型的插值效率實驗 (二)雙重插值模型的時間效率實驗 六、本章小結 本章參考文獻第二篇 流形學習 第8章 流形學習研究緒論 一、研究背景和意義 二、研究現狀 本章參考文獻 第9章 流形學習經典算法簡介 一、流形學習的基本概念 (一)流形的概念 (二)流形學習的概念 二、幾種代錶性的流形學習算法 (一)等距映射算法(ISOMAP) (二)局部綫性嵌入(LLE) (三)拉普拉斯特徵映射 (四)}tessian特徵映射 (五)局部切空間排列(LTSA) 三、經典流形學習算法存在的問題 (一)流形的本徵維數估計 (二)樣本外點(Out-of-Sample)學習 (三)噪聲流形學習 四、本章小結 本章參考文獻 第10章 基於局部相關維度的噪音流形學習算法 一、局部相關維度的概念 二、基於局部相關維度的噪音流形學習算法 (一)離群點的性質 (二)LCDED算法 (三)算法性能分析 三、實驗結果 (一)人工數據集上的實驗 (二)真實數據上的實驗 四、本章小結 本章參考文獻 第11章 基於調和平均測地綫核的流形學習算法 一、引言 二、HMGK算法 (一)測地綫距離(geodesic’distance) (二)調和平均規範化(harmonic：1Tlean standardization) (三)算法描述 三、實驗結果分析 四、結論 本章參考文獻 第12章 有監督的噪音流形學習算法及其在拉曼光譜數據上的應用 一、引言 二、基於核方法與監督學習的流形學習算法 三、UCI數據上的實驗 四、算法在拉曼光譜數據上的應用 五、本章小結 本章參考文獻 第13章 共享近鄰的噪音流形學習算法及其在醫院績效考核中的應用 一、共享近鄰的概念 二、基於共享近鄰的非綫性降維算法 三、實驗結果 (一)人工數據 (二)UCI數據 四、算法在醫院績效考核上的應用 五、本章小結 本章參考文獻第三篇 半監督學習 第14章 半監督學習研究緒論 一、半監督學習研究背景與意義 二、研究的主要內容 三、半監督學習研究現狀 (一)半監督學習問題錶述 (二)半監督聚類 (三)協同訓練 (四)離群點探測 (五)半監督學習應用 本章參考文獻 第15章 基於監督聚類的半監督分類算法 一、問題的提齣 二、監督聚類概述 三、基於監督聚類的半監督分類算法N2SC： (一)N2SC算法簡介 (二)增加標簽數據集 (三)不可信目標函數 (四)N2SC算法 四、實驗結果與分析 (一)實驗環境 (二)實驗性能評估 (三)算法性能評估 五、本章小結 本章參考文獻 第16章 半監督技術在復雜數據聚類中的應用 一、復雜數據聚類 二、基於密度的聚類算法DBSCAN 三、麵嚮復雜數據的半監督聚類算法SCI)CS (一)SCDCS算法概述 (二)相關定義和標識 (三)密度分布參數Eps初選 (四)密度分布參數Eps精選 (五)多步聚類 (六)SCDCS算法性能分析 四、實驗及評估 (一)實驗環境 (二)實驗結果及評估 五、小結 本章參考文獻 第17章 半監督技術在異常軌跡檢測中的應用 一、異常軌跡檢測概述 二、問題分析 三、相關定義和標識 (一)軌跡描述 (二)軌跡片段相似度量 (三)軌跡分割 (四)局部異常軌跡探測相關定義 四、半監督異常軌跡探測算法Semi-TOD (一)基於先驗知識的關鍵參數選取 (二)全局角度探測異常軌跡 (三)Semi-TOD算法框架 五、實驗評估 (一)颶風數據實驗 (二)基於時間約束的軌跡片段度量有效性驗證 (三)全局性異常軌跡探測有效性驗證 (四)算法參數說明 六、小結 本章參考文獻
· · · · · · (收起)