| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第1章 绪论 | 第12-16页 |
| ·引言 | 第12-13页 |
| ·研究目的与意义 | 第13-14页 |
| ·本文的内容与工作 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第2章 相关工作 | 第16-25页 |
| ·聚类简介 | 第16-17页 |
| ·k-means 算法 | 第17-18页 |
| ·半监督聚类简介 | 第18-22页 |
| ·半监督聚类的分类 | 第19-20页 |
| ·半监督聚类的发展 | 第20-22页 |
| ·融合实例层知识的半监督聚类方法 | 第22-23页 |
| ·融合属性层知识的半监督聚类方法 | 第23-25页 |
| 第3章 基于测度学习策略融合两种知识的半监督聚类算法 | 第25-43页 |
| ·引言 | 第25页 |
| ·基于测度学习融合两种知识辅助聚类 | 第25-30页 |
| ·融合两种知识的优化问题 | 第25-27页 |
| ·优化问题的化简 | 第27-28页 |
| ·参数λ的设置 | 第28-29页 |
| ·算法流程 | 第29-30页 |
| ·实验评价 | 第30-42页 |
| ·数据集和实验设置 | 第30-31页 |
| ·聚类评价指标 | 第31-33页 |
| ·Rand Statistic (RS) | 第31-32页 |
| ·Normalized Mutual Information (NMI) | 第32页 |
| ·pairwise F-Measure | 第32页 |
| ·ACC | 第32-33页 |
| ·聚类准确率比较 | 第33-37页 |
| ·成对约束数目对聚类准确率的影响 | 第37-38页 |
| ·must-link 和cannot-link 间的比例 | 第38-39页 |
| ·参数λ的设置 | 第39-41页 |
| ·时间复杂度 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于属性选择的两种知识融合的半监督聚类框架 | 第43-55页 |
| ·引言 | 第43页 |
| ·融合两种知识的半监督聚类框架 | 第43-48页 |
| ·布雷格曼散度 | 第45页 |
| ·融合成对约束获得属性权重 | 第45-46页 |
| ·融合两种知识辅助聚类 | 第46-48页 |
| ·子空间映射 | 第46-47页 |
| ·基于距离度量和软约束策略融合两种知识 | 第47-48页 |
| ·实验评价 | 第48-54页 |
| ·聚类质量的比较 | 第48-51页 |
| ·先验知识数量对聚类质量的影响 | 第51-52页 |
| ·属性选择的作用 | 第52-53页 |
| ·方法的比较 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 融合实例层和属性层知识辅助文本聚类 | 第55-66页 |
| ·引言 | 第55页 |
| ·半监督文本聚类框架 | 第55-60页 |
| ·重要词信息 | 第56页 |
| ·基于测度学习融合成对约束 | 第56页 |
| ·基于距离度量和软约束的策略融合两种知识 | 第56-59页 |
| ·E-Step | 第58页 |
| ·M-Step 1 | 第58页 |
| ·M-Step 2 | 第58-59页 |
| ·利用显著性指标评价并选择聚类结果 | 第59页 |
| ·时间复杂度分析 | 第59-60页 |
| ·实验评价 | 第60-65页 |
| ·数据集和实验设置 | 第60-61页 |
| ·与其它方法的比较 | 第61-62页 |
| ·成对约束对聚类结果的影响 | 第62-65页 |
| ·时间复杂度实验 | 第65页 |
| ·本章小结 | 第65-66页 |
| 结论与展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第73-74页 |
| 致谢 | 第74页 |
