基于近邻路径的自适应尺度谱聚类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·谱聚类研究现状 | 第10-12页 |
| ·本文的研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第2章 谱聚类基本理论 | 第14-31页 |
| ·谱图相关概念 | 第14-18页 |
| ·图的基本知识 | 第14-15页 |
| ·相似性度量 | 第15-16页 |
| ·拉普拉斯矩阵及其性质 | 第16-18页 |
| ·势函数与谱 | 第18页 |
| ·图划分准则 | 第18-21页 |
| ·图的最优划分 | 第21-25页 |
| ·谱聚类算法 | 第25-30页 |
| ·迭代二路谱聚类算法 | 第26-29页 |
| ·直接 K 路谱聚类算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于近邻路径的自适应尺度谱聚类算法 | 第31-48页 |
| ·研究概述 | 第31页 |
| ·经典谱聚类的分析 | 第31-42页 |
| ·经典谱聚类 NJW 算法 | 第31-32页 |
| ·高斯核函数 | 第32-35页 |
| ·尺度参数选择的影响 | 第35-38页 |
| ·相似度一致性分析 | 第38-42页 |
| ·基于近邻路径的自适应尺度谱聚类算法 | 第42-47页 |
| ·基于共享近邻加权的自适应尺度参数 | 第42-44页 |
| ·基于 k 近邻路径的距离 | 第44-45页 |
| ·基于近邻路径的自适应尺度相似度 | 第45-46页 |
| ·基于近邻路径的自适应尺度谱聚类算法 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 实验及结果分析 | 第48-59页 |
| ·算法评价方法 | 第48-50页 |
| ·人工数据集实验 | 第50-53页 |
| ·UCI 数据集实验 | 第53-57页 |
| ·UCI 数据集 | 第53-54页 |
| ·参数设定 | 第54页 |
| ·实验结果分析 | 第54-57页 |
| ·USPS 数据集实验 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
