| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 密度峰值聚类算法研究现状 | 第10-11页 |
| 1.2.2 特征选择算法研究现状 | 第11-12页 |
| 1.3 本文的主要内容及结构安排 | 第12-13页 |
| 第2章 基于局部标准差优化的密度峰值聚类算法 | 第13-29页 |
| 2.1 新算法提出的背景思路 | 第13页 |
| 2.2 相关聚类算法介绍与分析 | 第13-15页 |
| 2.2.1 DPC聚类算法 | 第13-14页 |
| 2.2.2 KNN-DPC和FKNN-DPC聚类算法 | 第14-15页 |
| 2.3 基于局部标准差优化的密度峰值聚类算法 | 第15-16页 |
| 2.3.1 算法思想 | 第15页 |
| 2.3.2 SD_DPC算法 | 第15页 |
| 2.3.3 算法步骤 | 第15-16页 |
| 2.3.4 算法时间性能分析 | 第16页 |
| 2.4 实验结果与分析 | 第16-28页 |
| 2.4.1 人造数据集实验 | 第17-18页 |
| 2.4.2 数据预处理 | 第18-21页 |
| 2.4.3 UCI数据集实验 | 第21-23页 |
| 2.4.4 基因数据集实验 | 第23-27页 |
| 2.4.5 算法的统计性检验 | 第27-28页 |
| 2.5 小结 | 第28-29页 |
| 第3章 一种自动选取类簇中心的标准差优化聚类算法 | 第29-49页 |
| 3.1 算法思想 | 第29页 |
| 3.2 AUT-DPC算法 | 第29-30页 |
| 3.3 AUT-DPC算法步骤 | 第30-31页 |
| 3.4 算法时间性能分析 | 第31页 |
| 3.5 实验结果与分析 | 第31-47页 |
| 3.5.1 人造数据集实验 | 第31-32页 |
| 3.5.2 实验结果及分析 | 第32-46页 |
| 3.5.3 算法的统计性检验 | 第46-47页 |
| 3.6 小结 | 第47-49页 |
| 第4章 基于密度峰值聚类的白血病关键基因选择 | 第49-63页 |
| 4.1 新算法提出的背景思路 | 第49页 |
| 4.2 样本间距离计算 | 第49-50页 |
| 4.3 实验数据与思想描述 | 第50-51页 |
| 4.3.1 实验数据 | 第50页 |
| 4.3.2 数据预处理 | 第50-51页 |
| 4.4 实验步骤 | 第51页 |
| 4.5 实验结果与分析 | 第51-61页 |
| 4.5.1 实验设计 | 第51-55页 |
| 4.5.2 在训练集上选择基因在测试集上进行样本聚类 | 第55-56页 |
| 4.5.3 在测试集上进行聚类 | 第56-57页 |
| 4.5.4 在训练集上选择基因在全部数据集上进行样本聚类 | 第57-58页 |
| 4.5.5 在全部数据集上选择基因在全部数据集上进行样本聚类 | 第58-60页 |
| 4.5.6 在全部数据集上进行聚类 | 第60-61页 |
| 4.6 相关工作比较 | 第61-62页 |
| 4.7 小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 论文的工作总结 | 第63-64页 |
| 5.2 存在问题与展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 攻读硕士学位期间的研究成果 | 第73页 |
