| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 多视图聚类的研究现状 | 第10-11页 |
| 1.2.2 在线聚类的研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本文的结构安排 | 第13-14页 |
| 第2章 相关算法介绍 | 第14-27页 |
| 2.1 聚类算法概述 | 第14页 |
| 2.2 基于划分的聚类算法 | 第14-17页 |
| 2.2.1 K-means聚类算法 | 第15页 |
| 2.2.2 模糊C均值聚类算法 | 第15-17页 |
| 2.3 现有多视图聚类算法介绍 | 第17-23页 |
| 2.3.1 基于子空间协同多视图聚类算法 | 第17-18页 |
| 2.3.2 多视图K-means聚类算法 | 第18-21页 |
| 2.3.3 判别嵌入式多视图K-means聚类算法 | 第21-23页 |
| 2.4 在线聚类算法介绍 | 第23-27页 |
| 2.4.1 在线模糊C均值聚类算法 | 第23-25页 |
| 2.4.2 单向模糊C均值聚类算法 | 第25-27页 |
| 第3章 基于子空间结构保持的多视图协同聚类算法 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 算法描述 | 第27-30页 |
| 3.2.1 整体结构信息描述 | 第27-28页 |
| 3.2.2 局部结构信息描述 | 第28-29页 |
| 3.2.3 基于全局与局部信息的降维 | 第29页 |
| 3.2.4 协同聚类 | 第29-30页 |
| 3.3 算法分析 | 第30-33页 |
| 3.3.1 MCCSP算法步骤 | 第30-31页 |
| 3.3.2 算法时间复杂度分析 | 第31页 |
| 3.3.3 K-means初始点的选择 | 第31-33页 |
| 3.4 实验结果与分析 | 第33-41页 |
| 3.4.1 聚类评价指标 | 第33页 |
| 3.4.2 人工数据集 | 第33-36页 |
| 3.4.3 多视图数据集 | 第36-39页 |
| 3.4.4 子空间维数的选择 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 多视图模糊K均值聚类算法 | 第42-56页 |
| 4.1 引言 | 第42页 |
| 4.2 算法描述 | 第42-45页 |
| 4.2.1 目标函数的提出 | 第42-43页 |
| 4.2.2 目标的优化 | 第43-45页 |
| 4.3 算法分析 | 第45-47页 |
| 4.3.1 算法步骤 | 第45-46页 |
| 4.3.2 算法时间复杂度分析 | 第46页 |
| 4.3.3 算法优缺点分析 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-54页 |
| 4.4.1 人工数据集 | 第47-49页 |
| 4.4.2 多视图数据集 | 第49-53页 |
| 4.4.3 实验参数系数的讨论 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 在线多视图模糊聚类算法 | 第56-68页 |
| 5.1 引言 | 第56页 |
| 5.2 算法描述 | 第56-60页 |
| 5.2.1 OMFC在线学习流程的设计 | 第57页 |
| 5.2.2 PDA聚类权值的计算 | 第57-58页 |
| 5.2.3 基于加权策略的多视图模糊K均值聚类算法 | 第58-60页 |
| 5.3 算法分析 | 第60-62页 |
| 5.3.1 算法步骤 | 第60-61页 |
| 5.3.2 算法的时间复杂度 | 第61-62页 |
| 5.3.3 算法优缺点分析 | 第62页 |
| 5.4 实验结果与分析 | 第62-67页 |
| 5.4.1 人工数据集 | 第62-65页 |
| 5.4.2 多视图数据集 | 第65-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |