子空间聚类改进方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-12页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文研究内容及组织 | 第11-12页 |
| 2 聚类问题 | 第12-21页 |
| ·聚类的定义及构成 | 第12-13页 |
| ·样本表示 | 第13页 |
| ·相似性度量 | 第13-15页 |
| ·区间标度型 | 第14页 |
| ·二元型和标称型 | 第14-15页 |
| ·序数型 | 第15页 |
| ·比例标度型 | 第15页 |
| ·混合型 | 第15页 |
| ·聚类算法 | 第15-19页 |
| ·层次方法 | 第15-16页 |
| ·划分方法 | 第16-17页 |
| ·基于密度的算法 | 第17-18页 |
| ·基于网格的算法 | 第18-19页 |
| ·聚类评价 | 第19-21页 |
| 3 子空间聚类算法研究 | 第21-33页 |
| ·高维数据聚类 | 第21-25页 |
| ·高维数据的特点 | 第21页 |
| ·数据稀疏性 | 第21-22页 |
| ·维度效应 | 第22页 |
| ·高维数据对传统聚类算法的影响 | 第22-23页 |
| ·特征选择 | 第23页 |
| ·特征变换 | 第23-24页 |
| ·子空间聚类的必要性 | 第24-25页 |
| ·子空间聚类算法研究 | 第25-33页 |
| ·子空间聚类原理 | 第25-26页 |
| ·CLIQUE算法 | 第26-30页 |
| ·PROCLUS算法 | 第30-31页 |
| ·SUBCLU算法 | 第31-33页 |
| 4 基于k最相似聚类的子空间聚类算法 | 第33-50页 |
| ·子空间聚类算法的改进 | 第33-38页 |
| ·子空间聚类算法性能分析 | 第33-34页 |
| ·经典子空间聚类算法的优点 | 第34-35页 |
| ·经典子空间聚类算法的缺陷 | 第35-38页 |
| ·子空间聚类的改进方向 | 第38页 |
| ·相关概念 | 第38-39页 |
| ·子空间聚类 | 第38-39页 |
| ·问题描述 | 第39页 |
| ·算法描述 | 第39-49页 |
| ·算法框架 | 第39-40页 |
| ·基本聚类计算 | 第40-42页 |
| ·基本聚类间相似度计算 | 第42-43页 |
| ·k最相似聚类计算 | 第43-45页 |
| ·子空间聚类 | 第45-46页 |
| ·局部密度阈值的选取 | 第46-47页 |
| ·子空间搜索 | 第47-48页 |
| ·子空间合并 | 第48页 |
| ·处理剩余数据点 | 第48-49页 |
| ·参数确定 | 第49页 |
| ·复杂度分析 | 第49-50页 |
| 5 实验验证 | 第50-56页 |
| ·实验设置 | 第50页 |
| ·实验数据集 | 第50页 |
| ·结果评价 | 第50-56页 |
| ·算法精确度 | 第51-52页 |
| ·算法伸缩性 | 第52-54页 |
| ·参数对算法准确度的影响 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
