基于主动学习的半监督谱聚类算法研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-10页 |
| ·谱聚类相关研究现状 | 第10-11页 |
| ·本文的研究内容与组织结构 | 第11-13页 |
| 2 数据挖掘与聚类分析 | 第13-26页 |
| ·数据挖掘 | 第13-17页 |
| ·数据挖掘概述 | 第13-14页 |
| ·数据挖掘的过程 | 第14-16页 |
| ·数据挖掘的功能 | 第16-17页 |
| ·聚类分析 | 第17-22页 |
| ·聚类分析概述 | 第17-18页 |
| ·聚类分析的数据结构 | 第18-19页 |
| ·聚类分析中的相似性度量 | 第19-20页 |
| ·聚类分析方法的分类 | 第20-22页 |
| ·常用的聚类算法 | 第22-25页 |
| ·传统K-means 聚类 | 第23-24页 |
| ·FCM 聚类 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 谱聚类理论及算法 | 第26-38页 |
| ·谱图理论 | 第26-27页 |
| ·图的矩阵表示 | 第27-28页 |
| ·图的划分准则 | 第28-32页 |
| ·谱聚类算法分类 | 第32-36页 |
| ·迭代谱聚类算法 | 第32-35页 |
| ·多路划分谱聚类算法 | 第35页 |
| ·谱聚类算法的比较 | 第35-36页 |
| ·谱聚类算法面临的问题 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于主动学习的半监督谱聚类 | 第38-47页 |
| ·引言 | 第38页 |
| ·半监督聚类介绍 | 第38-41页 |
| ·半监督聚类方法分类 | 第38-39页 |
| ·监督信息的表示形式 | 第39-41页 |
| ·主动学习策略 | 第41-44页 |
| ·什么是主动学习 | 第41-42页 |
| ·基于成对约束信息的主动学习策略 | 第42-44页 |
| ·基于主动学习的半监督谱聚类算法 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 5 实验与结果分析 | 第47-55页 |
| ·实验环境 | 第47页 |
| ·在人工数据集上对比谱聚类算法和K 均值算法 | 第47-49页 |
| ·本文算法的实验及结果分析 | 第49-54页 |
| ·实验数据准备 | 第49页 |
| ·实验评判标准 | 第49-50页 |
| ·实验设计流程 | 第50页 |
| ·实验结果 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| ·本文总结 | 第55页 |
| ·未来工作展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61页 |
| 作者在攻读硕士学位期间发表的论文 | 第61页 |
| 作者在攻读硕士学位期间参与的科研项目 | 第61页 |
