| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外的研究现状以及发展 | 第16-19页 |
| 1.2.1 聚类算法的研究现状 | 第16-18页 |
| 1.2.2 高维数据聚类 | 第18页 |
| 1.2.3 文本聚类 | 第18-19页 |
| 1.3 多目标优化算法 | 第19页 |
| 1.4 论文内容与安排 | 第19-21页 |
| 第二章 基于差分进化算法的软子空间聚类算法的研究 | 第21-45页 |
| 2.1 软子空间聚类 | 第21-26页 |
| 2.2 差分进化算法 | 第26-29页 |
| 2.2.1 差分进化的变异操作 | 第27-28页 |
| 2.2.2 差分进化算法的交叉操作 | 第28页 |
| 2.2.3 差分进化的选择操作 | 第28-29页 |
| 2.3 基于差分进化的软子空间聚类算法 | 第29-32页 |
| 2.3.1 基于差分进化算法的软子空间聚类的目标函数 | 第29页 |
| 2.3.2 差分进化算法用于软子空间聚类 | 第29-31页 |
| 2.3.3 基于差分进化算法的软子空间聚类的局部搜索策略 | 第31页 |
| 2.3.4 基于差分进化算法的软子空间聚类的算法步骤 | 第31页 |
| 2.3.5 算法描述 | 第31-32页 |
| 2.4 实验结果及分析 | 第32-43页 |
| 2.4.1 评价指标和实验设置 | 第33-34页 |
| 2.4.2 人工数据集的实验结果 | 第34-36页 |
| 2.4.3 UCI数据集的实验结果 | 第36-41页 |
| 2.4.4 癌症基因表达数据的实验结果 | 第41-43页 |
| 2.5 本章小结 | 第43-45页 |
| 第三章 基于多目标进化算法的软子空间聚类算法 | 第45-65页 |
| 3.1 多目标优化问题 | 第46-47页 |
| 3.1.1 多目标问题的数学定义 | 第46-47页 |
| 3.1.2 多目标进化算法 | 第47页 |
| 3.2 多目标聚类算法 | 第47-48页 |
| 3.3 基于多目标进化算法的软子空间聚类算法 | 第48-51页 |
| 3.3.1 目标函数 | 第48页 |
| 3.3.2 编码方法以及解码方法 | 第48-49页 |
| 3.3.3 多目标进化算法的步骤 | 第49-50页 |
| 3.3.4 最优解的选取 | 第50-51页 |
| 3.4 基于多目标进化算法的软子空间聚类算法详细步骤 | 第51页 |
| 3.5 实验结果及分析 | 第51-63页 |
| 3.5.1 评价指标和实验设置 | 第52-53页 |
| 3.5.2 人工数据集的实验结果 | 第53-56页 |
| 3.5.3 UCI数据集的实验结果 | 第56-60页 |
| 3.5.4 癌症基因表达数据的实验结果 | 第60-63页 |
| 3.6 本章小结 | 第63-65页 |
| 第四章 基于差分进化的软子空间聚类算法在文本聚类的应用研究 | 第65-71页 |
| 4.1 文本的表示（空间向量模型VSM） | 第66-67页 |
| 4.1.1 文本特征的选择与表示 | 第66页 |
| 4.1.2 TF.IDF表示词频矩阵 | 第66-67页 |
| 4.1.3 词频矩阵的归一化处理 | 第67页 |
| 4.2 基于DESSC算法的文本聚类 | 第67页 |
| 4.3 实验结果及分析 | 第67-69页 |
| 4.3.1 评价指标和实验设置 | 第68页 |
| 4.3.2 实验结果及分析 | 第68-69页 |
| 4.4 本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71-72页 |
| 5.2 展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |
