| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 聚类集成研究现状 | 第12-13页 |
| 1.2.2 半监督聚类集成研究现状 | 第13-14页 |
| 1.2.3 多数投票法研究现状 | 第14-15页 |
| 1.3 文章主要内容与结构安排 | 第15-16页 |
| 第2章 理论知识 | 第16-25页 |
| 2.1 聚类 | 第16-18页 |
| 2.1.1 聚类概念 | 第16-17页 |
| 2.1.2 聚类方法分类 | 第17-18页 |
| 2.2 聚类集成 | 第18-22页 |
| 2.2.1 聚类集成概念 | 第18-20页 |
| 2.2.2 基聚类成员生成方法 | 第20页 |
| 2.2.3 共识函数设计 | 第20-22页 |
| 2.3 半监督聚类 | 第22-24页 |
| 2.3.1 半监督聚类方法分类 | 第23页 |
| 2.3.2 先验知识的表示 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 软投票聚类集成算法 | 第25-35页 |
| 3.1 软计算和软聚类 | 第25-27页 |
| 3.1.1 软计算 | 第25-26页 |
| 3.1.2 软聚类 | 第26页 |
| 3.1.3 FCM算法 | 第26-27页 |
| 3.2 软投票聚类集成 | 第27-34页 |
| 3.2.1 标签对齐 | 第27-28页 |
| 3.2.2 多数投票法 | 第28-29页 |
| 3.2.3 软投票聚类集成算法 | 第29-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 基于半监督学习的软投票聚类集成 | 第35-43页 |
| 4.1 基于类标签的半监督软投票聚类集成 | 第35-39页 |
| 4.2 基于成对约束的半监督软投票聚类集成 | 第39-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第5章 实验以及结果分析 | 第43-57页 |
| 5.1 实验数据集 | 第43-44页 |
| 5.2 算法有效性评价 | 第44-45页 |
| 5.2.1 F-MEASURE评价指标 | 第44-45页 |
| 5.2.2 XIE_BENI评价指标 | 第45页 |
| 5.3 软投票聚类集成实验 | 第45-51页 |
| 5.3.1 软投票聚类集成通用性实验 | 第45-47页 |
| 5.3.2 软投票聚类集成准确性实验 | 第47-49页 |
| 5.3.3 软投票聚类集成同其他软集成算法对比实验 | 第49-51页 |
| 5.4 半监督软投票聚类集成实验 | 第51-56页 |
| 5.4.1 基于类标签的半监督软投票聚类集成实验 | 第51-53页 |
| 5.4.2 基于成对约束的半监督软投票聚类集成实验 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第65页 |