| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 引言 | 第7-9页 |
| ·聚类分析概念 | 第7页 |
| ·聚类的研究意义 | 第7页 |
| ·本文的主要研究内容 | 第7-8页 |
| ·论文结构 | 第8-9页 |
| 第二章 聚类/分类算法介绍 | 第9-16页 |
| ·划分方法 | 第9-11页 |
| ·层次方法 | 第11-12页 |
| ·基于模型方法 | 第12-13页 |
| ·分类算法介绍 | 第13-16页 |
| 第三章 基于辅助空间与极大熵的半监督聚类算法 | 第16-33页 |
| ·基于辅助空间的半监督聚类算法 | 第16-24页 |
| ·信息熵 | 第16-18页 |
| ·Kullback-Leibler 距离 | 第18-19页 |
| ·优化算法 | 第19-20页 |
| ·VMF（Von Mises-Fisher）数据分布 | 第20-21页 |
| ·AMSC 算法描述 | 第21-24页 |
| ·基于辅助空间与极大熵的半监督聚类算法 | 第24-28页 |
| ·模拟退火算法介绍 | 第24-25页 |
| ·极大熵介绍 | 第25页 |
| ·AMESC 聚类算法 | 第25-28页 |
| ·聚类评价标准 | 第28-29页 |
| ·仿真实验 | 第29-31页 |
| ·实验分析与结论 | 第31-33页 |
| 第四章 基于辅助空间与主空间合作的半监督聚类算法 | 第33-46页 |
| ·APMSC 算法 | 第33-35页 |
| ·仿真实验 | 第35-38页 |
| ·实验分析和结论 | 第38-39页 |
| ·DMSC 聚类算法 | 第39-42页 |
| ·仿真实验 | 第42-45页 |
| ·实验分析和结论 | 第45-46页 |
| 总结与展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 攻读硕士学位期间发表的论文 | 第51页 |