| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 无监督聚类集成研究现状 | 第11-13页 |
| 1.2.2 半监督聚类集成研究现状 | 第13页 |
| 1.3 本文主要研究内容和结构安排 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 论文结构安排 | 第14-15页 |
| 第2章 聚类集成相关理论 | 第15-26页 |
| 2.1 聚类算法简述 | 第15-19页 |
| 2.1.1 基本概念 | 第15-16页 |
| 2.1.2 聚类算法简述 | 第16-19页 |
| 2.2 无监督聚类集成技术 | 第19-22页 |
| 2.2.1 聚类集成的基本概念 | 第19-20页 |
| 2.2.2 无监督聚类集成算法 | 第20-22页 |
| 2.3 半监督学习概述 | 第22-25页 |
| 2.3.1 半监督学习的基本概念 | 第22-23页 |
| 2.3.2 半监督聚类集成算法 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于黑知识的非负矩阵分解聚类集成模型 | 第26-36页 |
| 3.1 基聚类结果中的黑知识 | 第26-29页 |
| 3.1.1 基于标签之间关联的黑知识 | 第27-28页 |
| 3.1.2 基于参数的黑知识 | 第28-29页 |
| 3.2 非负矩阵分解算法原理 | 第29-33页 |
| 3.2.1 非负矩阵分解概述 | 第29-30页 |
| 3.2.2 损失函数的定义 | 第30-31页 |
| 3.2.3 非负矩阵分解的推导 | 第31-33页 |
| 3.3 基于黑知识的非负矩阵分解聚类集成算法的思想 | 第33-34页 |
| 3.4 基于黑知识的非负矩阵分解聚类集成算法流程 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于非负矩阵分解的半监督聚类集成模型 | 第36-42页 |
| 4.1 概述 | 第36-37页 |
| 4.2 相似性矩阵的构造 | 第37-40页 |
| 4.2.1 高斯核函数的运用 | 第38-39页 |
| 4.2.2 成对约束的加入 | 第39-40页 |
| 4.3 基于非负矩阵分解的半监督聚类集成的实现 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 实验与分析 | 第42-58页 |
| 5.1 实验数据集介绍 | 第42-43页 |
| 5.2 评价指标与方法 | 第43-44页 |
| 5.2.1 准确率评价指标 | 第43页 |
| 5.2.2 符号检验方法 | 第43-44页 |
| 5.3 基于黑知识的非负矩阵分解聚类集成算法实验结果分析 | 第44-52页 |
| 5.3.1 NMFCE的准确率对比实验 | 第45-50页 |
| 5.3.2 NMFCE与噪点数据实验 | 第50-52页 |
| 5.4 基于非负矩阵分解的半监督聚类集成算法实验结果分析 | 第52-58页 |
| 总结与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第68页 |
