面向高维数据的自适应性多目标聚类集成选择
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与研究内容 | 第10页 |
| 1.2 研究意义和方法 | 第10-12页 |
| 1.2.1 聚类集成选择算法的研究意义 | 第10-11页 |
| 1.2.2 聚类集成选择算法的应用前景 | 第11页 |
| 1.2.3 聚类集成选择算法的不足之处 | 第11-12页 |
| 1.3 本论文的结构 | 第12-14页 |
| 第二章 相关研究工作和基本理论 | 第14-25页 |
| 2.1 聚类集成算法概述 | 第14-20页 |
| 2.1.1 聚类集成生成 | 第15-17页 |
| 2.1.2 聚类集成融合 | 第17-20页 |
| 2.2 聚类集成选择算法概述 | 第20-24页 |
| 2.2.1 聚类集成选择目标函数 | 第21-23页 |
| 2.2.2 聚类集成选择相关研究工作 | 第23-24页 |
| 2.2.3 聚类集成选择未来发展 | 第24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 聚类集成初步精简策略 | 第25-35页 |
| 3.1 算法设计思想 | 第25页 |
| 3.2 算法流程框架 | 第25-28页 |
| 3.3 算法具体流程 | 第28-34页 |
| 3.3.1 特征子空间生成 | 第29页 |
| 3.3.2 聚类集成生成 | 第29-31页 |
| 3.3.3 算法级聚类集成提炼 | 第31-33页 |
| 3.3.4 样本集合划分 | 第33页 |
| 3.3.5 多目标聚类集成选择 | 第33-34页 |
| 3.3.6 集成融合 | 第34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于多目标遗传算法的聚类集成选择 | 第35-54页 |
| 4.1 数据稳定性评估 | 第35-41页 |
| 4.1.1 数据集稳定性指标 | 第35-37页 |
| 4.1.2 样本稳定性指标 | 第37-41页 |
| 4.2 聚类集成选择目标函数 | 第41-42页 |
| 4.2.1 稳定样本子集的准确性 | 第41-42页 |
| 4.2.2 不稳定样本子集的多样性 | 第42页 |
| 4.3 基于进化情况进行方向调整的多目标遗传算法 | 第42-50页 |
| 4.3.1 个体表示及种群初始化 | 第43-44页 |
| 4.3.2 种群提升策略 | 第44-45页 |
| 4.3.3 精英种群选择 | 第45-48页 |
| 4.3.4 新种群生成 | 第48-49页 |
| 4.3.5 聚类结果子集生成 | 第49-50页 |
| 4.4 集成融合 | 第50页 |
| 4.5 时间复杂度分析 | 第50-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第五章 实验测评与结果分析 | 第54-68页 |
| 5.1 实验设计 | 第54页 |
| 5.2 评测数据集 | 第54-55页 |
| 5.3 聚类评估指标 | 第55-56页 |
| 5.4 实验结果分析 | 第56-67页 |
| 5.4.1 参数敏感性分析 | 第56-58页 |
| 5.4.2 算法模块测试 | 第58-60页 |
| 5.4.3 与多目标遗传算法的比较 | 第60-62页 |
| 5.4.4 与单一聚类算法的比较 | 第62-64页 |
| 5.4.5 与聚类集成算法的比较 | 第64-66页 |
| 5.4.6 与聚类集成选择算法的比较 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论与展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |
