基于图模型的聚类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景 | 第11-12页 |
| ·聚类分析技术的发展 | 第12-14页 |
| ·研究动机和本文的主要工作 | 第14-15页 |
| ·论文的组织结构 | 第15-17页 |
| 第2章 数据聚类综述 | 第17-33页 |
| ·聚类的基本概念 | 第17-20页 |
| ·定义和符号 | 第17-18页 |
| ·数据的表达 | 第18页 |
| ·距离计算 | 第18-20页 |
| ·聚类的基本步骤 | 第20-22页 |
| ·聚类技术 | 第22-32页 |
| ·层次式聚类算法 | 第24-25页 |
| ·划分式聚类算法 | 第25-28页 |
| ·混合解析聚类算法 | 第28-29页 |
| ·众数搜索聚类算法 | 第29-30页 |
| ·模糊聚类算法 | 第30-31页 |
| ·基于神经网络聚类算法 | 第31页 |
| ·大规模数据的聚类 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于仿射传播的证据累积聚类 | 第33-54页 |
| ·基于仿射传播的证据累积聚类研究目标 | 第33-35页 |
| ·仿射传播聚类 | 第35-37页 |
| ·聚类的融合 | 第37-39页 |
| ·多数投票聚类融合策略 | 第38-39页 |
| ·基于仿射传播聚类算法的证据累积 | 第39-46页 |
| ·分割式仿射传播 | 第40-42页 |
| ·松弛多根最小生成树算法 | 第42-44页 |
| ·投票分割式仿射传播 | 第44-46页 |
| ·实验分析和讨论 | 第46-53页 |
| ·数据集合 | 第46-48页 |
| ·评估方法 | 第48页 |
| ·实验结果和分析 | 第48-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 大规模数据的聚类 | 第54-67页 |
| ·随机分块再融合 | 第55-59页 |
| ·实验分析和讨论 | 第59-66页 |
| ·数据集合 | 第60-62页 |
| ·评估方法 | 第62页 |
| ·实验结果和分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 聚类分析在图像搜索中的应用 | 第67-80页 |
| ·图像搜集系统模型 | 第68-76页 |
| ·实验和结果分析 | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 第6章 总结与展望 | 第80-83页 |
| ·总结 | 第80-81页 |
| ·应用前景展望 | 第81-82页 |
| ·未来的研究方向 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间主要的研究成果 | 第87-88页 |
| 致谢 | 第88-89页 |
| 作者简介 | 第89页 |
