半监督聚类算法的研究与应用
| 内容提要 | 第1-8页 |
| 第1章 绪论 | 第8-14页 |
| ·机器学习简介 | 第8-10页 |
| ·无监督学习 | 第8-9页 |
| ·监督学习 | 第9页 |
| ·半监督学习 | 第9-10页 |
| ·聚类算法简介 | 第10-11页 |
| ·本文工作 | 第11-14页 |
| 第2章 基础理论 | 第14-21页 |
| ·半监督聚类 | 第14-15页 |
| ·K-means 算法 | 第15-17页 |
| ·吸引子传播算法 | 第17-20页 |
| ·小结 | 第20-21页 |
| 第3章 权吸引子传播算法及其应用 | 第21-31页 |
| ·引言 | 第21-22页 |
| ·权吸引子传播算法 | 第22-25页 |
| ·实验与分析 | 第25-30页 |
| ·评价函数 | 第26页 |
| ·实验结果 | 第26-30页 |
| ·小结 | 第30-31页 |
| 第4章 种子吸引子传播算法及其应用 | 第31-47页 |
| ·引言 | 第31-33页 |
| ·种子吸引子传播算法 | 第33-36页 |
| ·种子构建方法 | 第34-35页 |
| ·算法流程 | 第35-36页 |
| ·实验与分析 | 第36-45页 |
| ·实验数据集 | 第36-37页 |
| ·普通性能比较实验 | 第37-43页 |
| ·鲁棒性比较实验 | 第43-45页 |
| ·小结 | 第45-47页 |
| 第5章 增量吸引子传播算法及其应用 | 第47-56页 |
| ·引言 | 第47-48页 |
| ·增量吸引子传播算法 | 第48-50页 |
| ·增量吸引子传播算法与文本聚类 | 第50-51页 |
| ·实验与分析 | 第51-55页 |
| ·数据集 | 第51页 |
| ·实验与分析 | 第51-55页 |
| ·小结 | 第55-56页 |
| 第6章 标记样本对半监督聚类算法的影响 | 第56-68页 |
| ·引言 | 第56-57页 |
| ·半监督聚类算法 | 第57-59页 |
| ·实验和分析 | 第59-66页 |
| ·实验准备 | 第59-60页 |
| ·评价函数 | 第60-61页 |
| ·Reuters 数据集实验 | 第61-62页 |
| ·NSFR 数据集实验 | 第62-64页 |
| ·20NG 数据集实验 | 第64-66页 |
| ·小结 | 第66-68页 |
| 第7章 未标记样本对半监督聚类算法的影响 | 第68-79页 |
| ·引言 | 第68-69页 |
| ·未标记样本学习方法 | 第69-72页 |
| ·k-means 系列算法增量策略 | 第69-70页 |
| ·吸引子传播系列算法增量策略 | 第70-72页 |
| ·实验与分析 | 第72-78页 |
| ·Reuters 数据集实验 | 第72-74页 |
| ·NSFR 数据集实验 | 第74-76页 |
| ·20NG 数据集实验 | 第76-78页 |
| ·小结 | 第78-79页 |
| 第8章 结论与展望 | 第79-82页 |
| 参考文献 | 第82-90页 |
| 在读博士期间完成的论文与参加的科研项目 | 第90-92页 |
| 致谢 | 第92-93页 |
| 摘要 | 第93-96页 |
| Abstract | 第96-99页 |
