| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景回顾 | 第10-17页 |
| 1.1.1 经典聚类算法 | 第11-12页 |
| 1.1.2 基于代表点聚类算法 | 第12-17页 |
| 1.2 基于代表点聚类算法面临的机遇和挑战 | 第17-20页 |
| 1.3 本课题研究内容和本课题组织结构 | 第20-22页 |
| 第二章 基于代表点的贝叶斯聚类算法 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 概率框架的相关概念及问题描述 | 第22-23页 |
| 2.3 概率框架下基于代表点聚类算法 | 第23-29页 |
| 2.3.1 BE算法模型 | 第23-24页 |
| 2.3.2 BE算法优化 | 第24-28页 |
| 2.3.3 算法描述 | 第28-29页 |
| 2.4 实验研究 | 第29-31页 |
| 2.4.1 实验设置 | 第29-30页 |
| 2.4.2 人工模拟数据集实验 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于代表点的数据流动态聚类算法 | 第32-49页 |
| 3.1 引言 | 第32页 |
| 3.2 数据流动态聚类算法的相关研究 | 第32-33页 |
| 3.3 基于代表点的数据流动态聚类算法 | 第33-39页 |
| 3.3.1 相关定义 | 第33页 |
| 3.3.2 PDDE算法模型 | 第33-35页 |
| 3.3.3 PDDE算法优化 | 第35-38页 |
| 3.3.4 算法描述 | 第38-39页 |
| 3.4 实验研究 | 第39-48页 |
| 3.4.1 实验环境及评价指标 | 第39-40页 |
| 3.4.2 人工模拟数据集实验 | 第40-46页 |
| 3.4.3 真实数据集实验 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 递增式基于代表点聚类算法 | 第49-65页 |
| 4.1 引言 | 第49页 |
| 4.2 递增式聚类算法的相关研究 | 第49-50页 |
| 4.3 递增式EEM聚类算法 | 第50-57页 |
| 4.3.1 IEEM算法模型 | 第50-52页 |
| 4.3.2 IEEM算法优化 | 第52-55页 |
| 4.3.3 IEEM算法描述 | 第55-57页 |
| 4.4 实验研究 | 第57-63页 |
| 4.4.1 实验环境设置 | 第58-59页 |
| 4.4.2 人工模拟数据集实验 | 第59-61页 |
| 4.4.3 真实数据集实验 | 第61-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第五章 处理弱链接约束的改进贝叶斯EEM聚类算法 | 第65-83页 |
| 5.1 引言 | 第65页 |
| 5.2 针对链接约束的聚类算法相关研究 | 第65-66页 |
| 5.3 处理弱链接约束的改进贝叶斯EEM聚类算法 | 第66-74页 |
| 5.3.1 BEEMLC算法模型 | 第66-69页 |
| 5.3.2 BEEMLC算法优化 | 第69-74页 |
| 5.4 实验研究 | 第74-82页 |
| 5.4.2 基准数据集实验 | 第75-80页 |
| 5.4.3 用户互动图像分割应用 | 第80-82页 |
| 5.5 本章小结 | 第82-83页 |
| 第六章 基于KL距离的迁移仿射聚类算法 | 第83-96页 |
| 6.1 引言 | 第83页 |
| 6.2 问题描述 | 第83页 |
| 6.3 基于KL距离的迁移仿射聚类算法 | 第83-87页 |
| 6.3.1 TAP_KL算法模型 | 第83-85页 |
| 6.3.2 TAP_KL算法与AP算法 | 第85-87页 |
| 6.4 实验研究 | 第87-95页 |
| 6.4.1 实验数据集 | 第87-89页 |
| 6.4.2 数据集实验结果分析 | 第89-95页 |
| 6.5 本章小结 | 第95-96页 |
| 第七章 总结和展望 | 第96-99页 |
| 致谢 | 第99-100页 |
| 参考文献 | 第100-108页 |
| 附录 | 第108-109页 |
| 附录 1: 攻读博士学位期间撰写的相关论文、专利及软件著作权列表 | 第108页 |
| 附录 2: 攻读博士学位期间参加的科研项目列表 | 第108-109页 |
| 附录 3: 攻读博士学位期间获得的奖励 | 第109页 |