| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第1章 绪论 | 第12-19页 |
| ·聚类分析 | 第12-14页 |
| ·术语及其表示方法 | 第14页 |
| ·研究动机(motivation) | 第14-16页 |
| ·本文的工作 | 第16-17页 |
| ·本文的结构安排 | 第17-19页 |
| 第2章 研究背景及相关文献综述 | 第19-36页 |
| ·引言 | 第19页 |
| ·聚类算法 | 第19-30页 |
| ·划分方法 | 第20-21页 |
| ·凝聚型层次聚类算法 | 第21-23页 |
| ·基于密度的方法 | 第23-24页 |
| ·基于网格的方法 | 第24-25页 |
| ·混合密度估计方法 | 第25-26页 |
| ·针对概念型和混合型数据的聚类算法 | 第26-27页 |
| ·模糊聚类方法 | 第27页 |
| ·谱聚类算法(spectral clustering algorithm) | 第27-28页 |
| ·约束聚类(clustering with constraints) | 第28-29页 |
| ·特征选择(feature selection) | 第29-30页 |
| ·用于聚类算法的优化和搜索技术 | 第30-33页 |
| ·人工神经网络(Artificial Neural Networks for Clustering) | 第30-31页 |
| ·进化方法(Evolutionary Approaches for Clustering) | 第31页 |
| ·用于聚类算法中的搜索技术(Search-Based Approaches) | 第31-33页 |
| ·聚类集成技术 | 第33-34页 |
| ·小结 | 第34-36页 |
| 第3章 基于数学形态学的聚类及集成 | 第36-56页 |
| ·国内外研究现状 | 第36-38页 |
| ·基本的数学形态学运算 | 第38-39页 |
| ·基于数学形态学分级操作系列的聚类算法COHMMOP | 第39-47页 |
| ·离散化参数的选择及离散化 | 第39-42页 |
| ·结构元素的选择 | 第42页 |
| ·膨胀和腐蚀运算操作系列的选择及运算 | 第42-44页 |
| ·离散空间S2的聚类 | 第44-45页 |
| ·基于S2上的聚类求出实数空间向量集X的聚类 | 第45页 |
| ·实验 | 第45-46页 |
| ·算法小结 | 第46-47页 |
| ·基于数学形态学的聚类集成算法CEOMM | 第47-55页 |
| ·簇核心集体的生成 | 第48-51页 |
| ·簇核心集体的集成 | 第51页 |
| ·利用集成所得的簇核心得到最终聚类 | 第51-52页 |
| ·实验 | 第52-54页 |
| ·算法小结 | 第54-55页 |
| ·本章小结及进一步的工作 | 第55-56页 |
| 第4章 聚类集成中的差异性度量研究 | 第56-77页 |
| ·国内外研究现状 | 第56-58页 |
| ·聚类集成中差异性测量方法 | 第58-63页 |
| ·基于NMI的差异性度量NMIBDM | 第58-59页 |
| ·基于熵的差异性度量EBDM | 第59-60页 |
| ·基于Conditional Entropy的差异性度量CEBDM | 第60页 |
| ·基于adjusted Rand Index的差异性度量 | 第60-62页 |
| ·基于Double Fault Measure的差异性度量DFBDM | 第62页 |
| ·基于Coincident Failure Diversity的差异性度量CFDBDM | 第62-63页 |
| ·基于Measurement of inter-rater agreement的差异性度量IRABDM | 第63页 |
| ·聚类集体差异性度量分析 | 第63-75页 |
| ·聚类集体大小对差异性度量的影响 | 第63-65页 |
| ·聚类集体差异性与聚类集成准确度之间的散点图 | 第65-68页 |
| ·不同的平均聚类成员准确度情况下集体差异性度量与集成准确度之间的关系 | 第68-69页 |
| ·不同的集体大小情况下各种差异性度量与CSPA集成准确度的相关性研究 | 第69-71页 |
| ·数据分布对差异性度量与聚类集成准确度间关系的影响分析 | 第71-72页 |
| ·不同聚类集成算法与差异性度量间的相关性分析 | 第72-74页 |
| ·实验结果分析 | 第74-75页 |
| ·本章小结及进一步的工作 | 第75-77页 |
| 第5章 聚类集体生成方法研究 | 第77-94页 |
| ·国内外研究现状 | 第77-79页 |
| ·高差异性聚类集体生成方法CEAN和增强型差异性聚类集体生成方法ICEAN | 第79-82页 |
| ·实验比较与分析 | 第82-92页 |
| ·真实数据集介绍 | 第82-83页 |
| ·在不同数据集上比较各种聚类集体生成方法 | 第83-86页 |
| ·在不同集成方法下比较各种聚类集体生成方法 | 第86-88页 |
| ·人工附加噪声数据比例对ICEAN的影响 | 第88-90页 |
| ·待聚类数据集的大小对ICEAN算法的性能影响 | 第90-91页 |
| ·实验结果分析 | 第91-92页 |
| ·本章小结及进一步的工作 | 第92-94页 |
| 第6章 一致性函数研究 | 第94-114页 |
| ·国内外研究现状 | 第94-96页 |
| ·基于GA的聚类集成算法CMCUGA | 第96-104页 |
| ·广义条件熵(Generalized Conditional Entropy) | 第96-98页 |
| ·CMCUGA算法论述 | 第98-100页 |
| ·实验分析 | 第100-104页 |
| ·算法小结 | 第104页 |
| ·用概念型数据聚类算法解决聚类集成问题 | 第104-113页 |
| ·将聚类集成问题转换成概念型数据聚类问题 | 第104-105页 |
| ·概念型聚类算法 | 第105-107页 |
| ·k-modes和LIMBO算法 | 第107-108页 |
| ·使用k-modes和LIMBO聚类集成 | 第108-111页 |
| ·小结 | 第111-113页 |
| ·本章小结及进一步的工作 | 第113-114页 |
| 第7章 利用聚类集成技术解决混合型数据聚类问题 | 第114-131页 |
| ·国内外研究现状 | 第114-115页 |
| ·基于集成技术和谱聚类技术的混合型数据聚类算法CBEST | 第115-120页 |
| ·基于集成技术的相似性度量方法 | 第116-118页 |
| ·谱聚类技术 | 第118-119页 |
| ·算法CBEST | 第119-120页 |
| ·实验研究与分析 | 第120-129页 |
| ·基于集成技术的相似性度量实验分析 | 第120-122页 |
| ·算法比较实验 | 第122-129页 |
| ·CBEST算法小结 | 第129-130页 |
| ·本章总结及进一步的工作 | 第130-131页 |
| 第8章 结束语 | 第131-134页 |
| 参考文献 | 第134-142页 |
| 攻读博士学位期间主要的研究成果 | 第142-143页 |
| 致谢 | 第143-144页 |
