| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 本文主要创新点 | 第14-16页 |
| 第2章 机器学习及近邻传播聚类算法相关理论 | 第16-29页 |
| 2.1 机器学习简介 | 第16-17页 |
| 2.2 近邻传播聚类算法的原理 | 第17-20页 |
| 2.2.1 近邻传播聚类算法的基本流程 | 第17-19页 |
| 2.2.2 算法的重要参数 | 第19-20页 |
| 2.3 相似性度量方法 | 第20-23页 |
| 2.3.1 基于距离的相似度 | 第20-22页 |
| 2.3.2 基于密度的相似度 | 第22页 |
| 2.3.3 基于连接的相似度 | 第22-23页 |
| 2.4 聚类有效性评价方法 | 第23-28页 |
| 2.4.1 外部评价法 | 第23-24页 |
| 2.4.2 内部评价法 | 第24-25页 |
| 2.4.3 相对评价法 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于熵权法和主成分分析法的近邻传播聚类算法及其应用 | 第29-43页 |
| 3.1 引言 | 第29-30页 |
| 3.2 熵权法 | 第30-33页 |
| 3.2.1 熵权法的基本原理 | 第30页 |
| 3.2.2 基于熵权的权重计算法 | 第30-31页 |
| 3.2.3 主成分分析法 | 第31-33页 |
| 3.3 基于熵权法和主成分分析法的近邻传播聚类算法及其应用 | 第33-41页 |
| 3.3.1 基于熵权法和主成分分析法的近邻传播算法流程 | 第33-35页 |
| 3.3.2 实验模拟与结果分析 | 第35-37页 |
| 3.3.3 我国各地区经济绩效评价 | 第37-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 基于距离贴近度的近邻传播聚类算法及其应用 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 贴近度法 | 第43-44页 |
| 4.3 基于距离贴近度的近邻传播聚类算法及其应用 | 第44-54页 |
| 4.3.1 基于距离贴近度的近邻传播聚类算法流程 | 第44-45页 |
| 4.3.2 实验模拟与结果分析 | 第45-48页 |
| 4.3.3 上市公司经济绩效评价 | 第48-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 基于布谷鸟优化的半监督近邻传播聚类算法 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 布谷鸟优化算法简介 | 第55-57页 |
| 5.3 半监督聚类算法简介 | 第57-58页 |
| 5.4 基于布谷鸟优化的半监督近邻传播聚类算法 | 第58-64页 |
| 5.4.1 基于布谷鸟优化的半监督近邻传播聚类算法流程 | 第59页 |
| 5.4.2 实验模拟与结果分析 | 第59-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第6章 结论与展望 | 第65-67页 |
| 攻读硕士学位期间已公开发表的论文 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
