基于最小生成树的聚类算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 引言 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要工作 | 第10页 |
| 1.4 论文研究及章节安排 | 第10-12页 |
| 第2章 已有聚类算法 | 第12-19页 |
| 2.1 基于划分的方法 | 第12-13页 |
| 2.2 基于层次的方法 | 第13-15页 |
| 2.3 基于密度的方法 | 第15页 |
| 2.4 基于网格的方法 | 第15-16页 |
| 2.5 基于图论的方法 | 第16-18页 |
| 2.6 本章小结 | 第18-19页 |
| 第3章 常见的初始聚类中心选取算法 | 第19-24页 |
| 3.1 最大最小距离 | 第19页 |
| 3.2 k-means++算法 | 第19-20页 |
| 3.3 CCIA算法 | 第20-21页 |
| 3.4 KD-Tree算法 | 第21-22页 |
| 3.5 FSDP算法 | 第22-23页 |
| 3.6 本章小结 | 第23-24页 |
| 第4章 基于最小生成树的聚类算法 | 第24-29页 |
| 4.1 最小生成树等相关理论基础 | 第24-25页 |
| 4.1.1 图论的相关概念 | 第24页 |
| 4.1.2 最小生成树 | 第24-25页 |
| 4.2 HEMST聚类算法 | 第25-26页 |
| 4.3 MSDR聚类算法 | 第26-27页 |
| 4.4 SAM聚类算法 | 第27-29页 |
| 第5章 一种基于MST与初始聚类中心的聚类算法 | 第29-38页 |
| 5.1 数据点间相似度的定义 | 第29-31页 |
| 5.2 选取初始聚类中心 | 第31-32页 |
| 5.3 定义不一致边 | 第32-33页 |
| 5.4 基于MST与初始聚类中心的聚类算法 | 第33-34页 |
| 5.5 实验结果及其分析 | 第34-37页 |
| 5.6 本章小结 | 第37-38页 |
| 第6章 内部聚类评价指标 | 第38-50页 |
| 6.1 内部聚类评价指标CVN与 CVNN | 第38-39页 |
| 6.2 一种基于测地距离的聚类评价指标 | 第39-42页 |
| 6.2.1 现有内部聚类评价指标的分析 | 第39-40页 |
| 6.2.2 类间距离的定义 | 第40-41页 |
| 6.2.3 类内距离的定义 | 第41页 |
| 6.2.4 内部聚类评价指标的定义 | 第41-42页 |
| 6.3 内部聚类评价指标实验与分析 | 第42-50页 |
| 6.3.1 合成数据集实验 | 第43-45页 |
| 6.3.2 UCI 数据集实验 | 第45-47页 |
| 6.3.4 图像分割实验 | 第47-49页 |
| 6.3.5 算法时间复杂度分析 | 第49-50页 |
| 第7章 全文总结与展望 | 第50-52页 |
| 7.1 全文工作总结 | 第50页 |
| 7.2 研究展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间的相关成果 | 第55-56页 |
| 致谢 | 第56页 |
