摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第13-23页 |
本章主要内容 | 第13-14页 |
1.1 课题背景 | 第14页 |
1.2 聚类的基本概念 | 第14-16页 |
1.3 聚类算法的研究现状 | 第16-19页 |
1.3.1 常见的聚类算法 | 第16-18页 |
1.3.2 常用聚类算法的特点 | 第18-19页 |
1.4 Affinity Propagation聚类算法及研究的目的和意义 | 第19-20页 |
1.5 本文的主要工作及结构安排 | 第20-22页 |
1.6 本章小结 | 第22-23页 |
第二章 Affinity Propagation聚类算法介绍 | 第23-39页 |
本章主要内容 | 第23-24页 |
2.1 几种典型的聚类算法 | 第24-25页 |
2.2 Affinity Propagation聚类算法 | 第25-33页 |
2.2.1 AP聚类算法的思想 | 第25-26页 |
2.2.2 理论基础 | 第26-29页 |
2.2.3 AP聚类算法的因子图模型及其信息更新 | 第29-32页 |
2.2.4 标准的AP聚类算法的步骤 | 第32-33页 |
2.3 现有的Affinity Propagation改进和扩展型算法 | 第33-36页 |
2.3.1 软约束AP聚类算法 | 第33页 |
2.3.2 半监督AP聚类算法 | 第33-34页 |
2.3.3 层次AP聚类算法 | 第34-35页 |
2.3.4 多类代表点AP聚类算法 | 第35-36页 |
2.3.5 其他方面的AP聚类算法 | 第36页 |
2.4 Affinity Propagation算法的应用 | 第36-37页 |
2.5 本章小结 | 第37-39页 |
第三章 Affinity Propagation聚类算法的改进思路及研究方案 | 第39-43页 |
本章主要内容 | 第39-40页 |
3.1 Affinity Propagation算法的偏向参数问题 | 第40-41页 |
3.2 Affinity Propagation算法的改进思路及整体研究方案 | 第41-42页 |
3.3 本章小结 | 第42-43页 |
第四章 偏向参数自动更新的Affinity Propagation聚类算法 | 第43-63页 |
本章主要内容 | 第43-44页 |
4.1 引言 | 第44页 |
4.2 偏向参数自动更新的Affinity Propagation聚类算法 | 第44-50页 |
4.2.1 偏向参数初值确定 | 第44-45页 |
4.2.2 偏向参数自动更新的因子图模型 | 第45-47页 |
4.2.3 信息更新 | 第47-49页 |
4.2.4 偏向参数自动更新的AP算法 | 第49-50页 |
4.3 实验与分析 | 第50-61页 |
4.3.1 实验环境与评价指标 | 第50-51页 |
4.3.2 基于人工数据集算法测试 | 第51-52页 |
4.3.3 算法参数作用与性能分析 | 第52-56页 |
4.3.4 改进AP算法的性能对比 | 第56-60页 |
4.3.5 实验分析总结 | 第60-61页 |
4.4 本章小结 | 第61-63页 |
第五章 偏向参数自动更新的Affinity Propagation聚类算法的应用研究 | 第63-81页 |
本章主要内容 | 第63-64页 |
5.1 引言 | 第64页 |
5.2 APAP聚类算法在UCI标准库常用数据集上的应用 | 第64-70页 |
5.2.1 数据集介绍 | 第64-65页 |
5.2.2 Iris数据集聚类 | 第65-68页 |
5.2.3 较高维度UCI数据集聚类 | 第68-69页 |
5.2.4 聚类结果分析 | 第69-70页 |
5.3 APAP聚类算法在流型辨识中的应用 | 第70-80页 |
5.3.1 基于APAP聚类算法的流型辨识新方法 | 第70-71页 |
5.3.2 基于光电池阵列传感器的流型辨识 | 第71-75页 |
5.3.3 基于径向C~4D传感器的流型辨识 | 第75-79页 |
5.3.4 流型辨识结果分析 | 第79-80页 |
5.4 本章小结 | 第80-81页 |
第六章 总结与展望 | 第81-83页 |
参考文献 | 第83-89页 |
致谢 | 第89-91页 |
个人简历 | 第91-93页 |
攻读硕士学位期间所取得的科研成果 | 第93页 |