| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 主要符号表 | 第15-16页 |
| 1 绪论 | 第16-33页 |
| 1.1 研究背景与意义 | 第16-18页 |
| 1.2 研究现状 | 第18-27页 |
| 1.2.1 单视角聚类 | 第18-22页 |
| 1.2.2 多视角谱聚类 | 第22-25页 |
| 1.2.3 多视角非负矩阵分解 | 第25-26页 |
| 1.2.4 其他多视角聚类方法 | 第26-27页 |
| 1.3 本文研究内容 | 第27-32页 |
| 1.3.1 当前聚类算法中存在的问题 | 第27-29页 |
| 1.3.2 研究内容与贡献 | 第29-32页 |
| 1.4 本文结构 | 第32-33页 |
| 2 基于谱聚类的多视角聚类研究 | 第33-70页 |
| 2.1 单视角大规模谱聚类 | 第33-49页 |
| 2.1.1 Nystrom扩展与谱聚类 | 第34-35页 |
| 2.1.2 增量抽样框架 | 第35-36页 |
| 2.1.3 基于聚类能力的增量抽样 | 第36-39页 |
| 2.1.4 基于预测能力的增量抽样 | 第39-41页 |
| 2.1.5 实验及性能分析 | 第41-49页 |
| 2.2 多视角相似度矩阵学习 | 第49-59页 |
| 2.2.1 算法分析 | 第49-51页 |
| 2.2.2 算法求解 | 第51-52页 |
| 2.2.3 算法流程 | 第52-54页 |
| 2.2.4 实验及性能分析 | 第54-59页 |
| 2.3 多视角加权谱聚类 | 第59-69页 |
| 2.3.1 谱聚类与谱扰动 | 第60-61页 |
| 2.3.2 算法分析 | 第61-64页 |
| 2.3.3 算法流程 | 第64页 |
| 2.3.4 实验及性能分析 | 第64-69页 |
| 2.4 本章小结 | 第69-70页 |
| 3 基于非负矩阵分解的多视角聚类研究 | 第70-100页 |
| 3.1 多流形正则化的多视角非负矩阵分解聚类 | 第70-88页 |
| 3.1.1 非负矩阵分解与流形正则化 | 第70-71页 |
| 3.1.2 多流形正则化的多视角非负矩阵分解框架 | 第71页 |
| 3.1.3 一致流形的学习 | 第71-74页 |
| 3.1.4 一致指示矩阵的学习 | 第74页 |
| 3.1.5 算法实例 | 第74-76页 |
| 3.1.6 算法实例求解 | 第76-80页 |
| 3.1.7 算法流程 | 第80-81页 |
| 3.1.8 实验及性能分析 | 第81-88页 |
| 3.2 数据实例和簇部分对应的多视角非负矩阵分解聚类 | 第88-99页 |
| 3.2.1 算法分析 | 第88-92页 |
| 3.2.2 算法优化 | 第92-93页 |
| 3.2.3 算法流程 | 第93-94页 |
| 3.2.4 实验及性能分析 | 第94-99页 |
| 3.3 本章小结 | 第99-100页 |
| 4 基于半监督非负矩阵分解的多视角聚类研究 | 第100-139页 |
| 4.1 半监督单视角非负矩阵分解聚类 | 第100-119页 |
| 4.1.1 非负矩阵分解与聚类 | 第100-102页 |
| 4.1.2 半监督非负矩阵分解框架 | 第102-104页 |
| 4.1.3 半监督基本非负矩阵分解 | 第104-106页 |
| 4.1.4 半监督对称非负矩阵分解 | 第106-109页 |
| 4.1.5 实验及性能分析 | 第109-119页 |
| 4.2 半监督数据实例不对应的多视角非负矩阵分解聚类 | 第119-138页 |
| 4.2.1 算法分析 | 第120-124页 |
| 4.2.2 算法流程 | 第124-126页 |
| 4.2.3 视角间约束的选择 | 第126-131页 |
| 4.2.4 实验及性能分析 | 第131-138页 |
| 4.3 本章小结 | 第138-139页 |
| 5 结论与展望 | 第139-142页 |
| 5.1 结论 | 第139-140页 |
| 5.2 创新点 | 第140页 |
| 5.3 展望 | 第140-142页 |
| 参考文献 | 第142-153页 |
| 攻读博士学位期间科研项目及科研成果 | 第153-155页 |
| 致谢 | 第155-156页 |
| 作者简介 | 第156页 |