摘要 | 第3-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第10-26页 |
1.1 研究背景 | 第10-18页 |
1.1.1 模糊C均值聚类算法 | 第14-16页 |
1.1.2 FCM_S算法 | 第16-17页 |
1.1.3 极大熵聚类算法 | 第17-18页 |
1.2 传统聚类方法面临的挑战 | 第18-24页 |
1.2.1 挑战一:迁移场景下的聚类 | 第18-21页 |
1.2.2 挑战二:大规模数据场景下的聚类 | 第21-24页 |
1.3 研究内容及本文结构 | 第24-26页 |
第二章 具有隐私保护功能的知识迁移聚类算法 | 第26-37页 |
2.1 引言 | 第26页 |
2.2 经典的FCM算法 | 第26-28页 |
2.3 具有隐私保护功能的知识迁移聚类算法 | 第28-31页 |
2.3.1 算法优化 | 第30-31页 |
2.3.2 算法步骤 | 第31页 |
2.4 实验及结果分析 | 第31-36页 |
2.4.1 实验设置 | 第31页 |
2.4.2 模拟数据集实验及结果分析 | 第31-34页 |
2.4.3 文本数据集实验及结果分析 | 第34-35页 |
2.4.4 入侵检测数据集实验及结果分析 | 第35-36页 |
2.5 本章小结 | 第36-37页 |
第三章 基于极大熵的知识迁移模糊聚类算法 | 第37-50页 |
3.1 引言 | 第37页 |
3.2 经典极大熵聚类算法 | 第37-39页 |
3.3 基于极大熵的知识迁移模糊聚类 | 第39-42页 |
3.3.1 参数求解 | 第41-42页 |
3.3.2 算法步骤 | 第42页 |
3.4 实验结果及分析 | 第42-49页 |
3.4.1 实验设置 | 第42-43页 |
3.4.2 模拟数据集实验结果和分析 | 第43-46页 |
3.4.3 文本数据集实验结果和分析 | 第46-48页 |
3.4.4 入侵检测数据集实验结果和分析 | 第48-49页 |
3.5 本章小结 | 第49-50页 |
第四章 一种鲁棒的图像分割模糊聚类算法 | 第50-70页 |
4.1 引言 | 第50-51页 |
4.2 模糊C均值聚类算法 | 第51-52页 |
4.3 隐马尔科夫模型 | 第52-54页 |
4.4 新的鲁棒的图像分割算法 | 第54-59页 |
4.5 实验结果及评价 | 第59-68页 |
4.5.1 模拟图像集的实验结果及分析 | 第60-63页 |
4.5.2 MRI图像集的实验结果及分析 | 第63-65页 |
4.5.3 Berkeley图像集的实验结果及分析 | 第65-68页 |
4.6 本章小结 | 第68-70页 |
第五章 增量式多代表点模糊聚类算法 | 第70-85页 |
5.1 引言 | 第70页 |
5.2 增量式单代表点模糊聚类算法 | 第70-72页 |
5.3 增量式多代表点模糊聚类算法 | 第72-78页 |
5.3.1 算法优化 | 第72-76页 |
5.3.2 算法步骤 | 第76-78页 |
5.4 实验及结果分析 | 第78-84页 |
5.4.1 实验设置 | 第78-79页 |
5.4.2 模拟数据集实验及结果分析 | 第79-81页 |
5.4.3 手写数字数据集实验及结果分析 | 第81-83页 |
5.4.4 入侵检测数据集实验及结果分析 | 第83-84页 |
5.5 本章小结 | 第84-85页 |
第六章 基于多代表点的大规模数据模糊聚类算法 | 第85-106页 |
6.1 引言 | 第85-87页 |
6.2 相关工作 | 第87-89页 |
6.2.1 带权重的模糊C代表点模型 | 第87-88页 |
6.2.2 在线模糊C代表点算法 | 第88页 |
6.2.3 使用二次正则化的模糊聚类 | 第88-89页 |
6.3 被提出的新算法 | 第89-96页 |
6.3.1 MMd-FC公式 | 第89-94页 |
6.3.2 MMd-FC算法 | 第94页 |
6.3.3 LS-FMMdC方法的核心 | 第94-96页 |
6.4 实验研究 | 第96-105页 |
6.4.1 实验设置 | 第96-98页 |
6.4.2 模拟数据集实验 | 第98-100页 |
6.4.3 四个真实数据集实验 | 第100-104页 |
6.4.4 参数鲁棒性分析 | 第104-105页 |
6.5 本章小结 | 第105-106页 |
第七章 结束语 | 第106-109页 |
致谢 | 第109-110页 |
参考文献 | 第110-121页 |
附录 | 第121-122页 |
附录1: 攻读博士学位期间撰写的相关论文及软件著作权列表 | 第121-122页 |
附录2: 攻读博士学位期间参加的科研项目列表 | 第122页 |