基于自然计算的软子空间聚类算法研究
| 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 论文研究背景介绍 | 第15页 |
| 1.2 数据聚类算法研究现状及发展 | 第15-17页 |
| 1.2.1 传统的聚类方法 | 第15-16页 |
| 1.2.2 高维数据聚类 | 第16-17页 |
| 1.3 子空间聚类算法发展历程 | 第17-19页 |
| 1.4 论文的主要研究内容 | 第19-21页 |
| 第二章 基于差分进化的软子空间聚类算法 | 第21-49页 |
| 2.1 DESSC算法的理论背景 | 第21-31页 |
| 2.1.1 子空间算法 | 第21-29页 |
| 2.1.2 差分进化算法 | 第29-31页 |
| 2.2 DESSC算法 | 第31-36页 |
| 2.2.1 DESSC算法的目标函数 | 第31-32页 |
| 2.2.2 DE用于软子空间聚类的原理 | 第32-34页 |
| 2.2.3 权值矩阵的局部搜索策略 | 第34页 |
| 2.2.4 中心矩阵和划分矩阵的更新方式 | 第34-35页 |
| 2.2.5 算法的步骤 | 第35-36页 |
| 2.3 实验 | 第36-47页 |
| 2.3.1 算法的评价指标 | 第37-38页 |
| 2.3.2 人工数据集的实验分析 | 第38-41页 |
| 2.3.3 UCI数据集的实验分析 | 第41-45页 |
| 2.3.4 癌症基因表达数据集的实验分析 | 第45-47页 |
| 2.4 本章小结 | 第47-49页 |
| 第三章 基于量子粒子群的软子空间聚类算法 | 第49-65页 |
| 3.1 QPSO | 第49-51页 |
| 3.2 QPSOSC算法 | 第51-56页 |
| 3.2.1 算法的提出 | 第52页 |
| 3.2.2 算法的目标函数 | 第52-53页 |
| 3.2.3 QPSO算法用于软子空间的原理 | 第53-56页 |
| 3.2.4 算法的步骤 | 第56页 |
| 3.3 实验 | 第56-63页 |
| 3.3.1 算法的评价指标 | 第57页 |
| 3.3.2 UCI数据集的实验结果及分析 | 第57-61页 |
| 3.3.3 癌症基因表达样本的实验分析 | 第61-63页 |
| 3.4 本章小结 | 第63-65页 |
| 第四章 基于NSGA-II的软子空间聚类算法 | 第65-77页 |
| 4.1 理论基础 | 第65-67页 |
| 4.1.1 多目标优化算法 | 第65-66页 |
| 4.1.2 NSGA-II | 第66-67页 |
| 4.2 NSGASC算法 | 第67-71页 |
| 4.2.1 算法的提出 | 第67-68页 |
| 4.2.2 算法的目标函数 | 第68页 |
| 4.2.3 NSGA-II算法用于软子空间的原理 | 第68-70页 |
| 4.2.4 算法的步骤 | 第70-71页 |
| 4.3 实验 | 第71-76页 |
| 4.3.1 算法的评价指标 | 第71-72页 |
| 4.3.2 数据集的实验结果及分析 | 第72-76页 |
| 4.4 本章小结 | 第76-77页 |
| 第五章 总结与展望 | 第77-79页 |
| 5.1 总结 | 第77-78页 |
| 5.2 展望 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-87页 |
| 作者简介 | 第87-88页 |
