| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 主要符号说明 | 第9-10页 |
| 第1章 聚类分析综述 | 第10-20页 |
| 1.1 聚类分析研究的背景 | 第10页 |
| 1.2 聚类算法的相似度量 | 第10-12页 |
| 1.3 典型的聚类分析方法 | 第12-17页 |
| 1.3.1 基于划分的方法 | 第12-13页 |
| 1.3.2 基于层次的方法 | 第13-14页 |
| 1.3.3 基于网格的方法 | 第14-15页 |
| 1.3.4 基于密度的方法 | 第15-16页 |
| 1.3.5 神经网络的方法 | 第16页 |
| 1.3.6 基于图的聚类方法 | 第16-17页 |
| 1.4 聚类算法评价方法 | 第17-19页 |
| 1.5 国内外研究现状及课题意义 | 第19-20页 |
| 第2章 涉及图聚类的三个相关技术 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 图划分理论 | 第20-28页 |
| 2.2.1 图的Laplacian矩阵 | 第20-22页 |
| 2.2.2 图划分准则 | 第22-24页 |
| 2.2.3 计算最优分割 | 第24-27页 |
| 2.2.4 经典图聚类算法 | 第27-28页 |
| 2.3 双随机矩阵理论 | 第28-30页 |
| 2.4 乘性更新 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 图优化的低秩双随机分解聚类 | 第34-42页 |
| 3.1 引言 | 第34页 |
| 3.2 相关背景介绍 | 第34-36页 |
| 3.2.1 图聚类 | 第34页 |
| 3.2.2 低秩双随机矩阵分解聚类 | 第34-35页 |
| 3.2.3 DCD聚类方法存在的不足及改进 | 第35-36页 |
| 3.3 图优化的双随机分解聚类 | 第36-38页 |
| 3.3.1 模型建立 | 第36页 |
| 3.3.2 模型求解 | 第36-38页 |
| 3.4 实验 | 第38-41页 |
| 3.4.1 在聚类精确度上的对比 | 第39-40页 |
| 3.4.2 模型参数对聚类纯度的影响 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 半监督低秩双随机分解聚类 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 相关背景介绍 | 第42-45页 |
| 4.2.1 半监督聚类 | 第42-43页 |
| 4.2.2 低秩双随机矩阵分解聚类 | 第43-44页 |
| 4.2.3 DCD聚类方法存在的不足及改进 | 第44-45页 |
| 4.3 半监督的双随机分解聚类 | 第45-47页 |
| 4.3.1 模型建立 | 第45-46页 |
| 4.3.2 模型求解 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-51页 |
| 4.4.1 聚类纯度对比 | 第48-49页 |
| 4.4.2 3种聚类方法在spiral聚类效果对比 | 第49-50页 |
| 4.4.3 不同规模的监督数据聚类纯度对比 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士研究生期间发表的学术论文和研究进展 | 第56-57页 |
| 致谢 | 第57页 |