| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景以及意义 | 第15-16页 |
| 1.1.1 聚类的研究背景及意义 | 第15页 |
| 1.1.2 人工免疫网络的研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.2.1 聚类的研究现状 | 第16-17页 |
| 1.2.2 人工免疫系统的研究现状 | 第17页 |
| 1.3 论文安排 | 第17-19页 |
| 第二章 基于二次免疫机制的人工免疫网络聚类算法 | 第19-39页 |
| 2.1 引言 | 第19页 |
| 2.2 一般的聚类方法 | 第19-21页 |
| 2.3 人工免疫网络算法 | 第21-24页 |
| 2.3.1 人工免疫网络的理论 | 第21页 |
| 2.3.2 人工免疫网络算法 | 第21-23页 |
| 2.3.3 针对噪声改进的人工免疫网络聚类算法 | 第23-24页 |
| 2.4 基于二次免疫机制的人工免疫网络算法 | 第24-29页 |
| 2.4.1 二次免疫机制 | 第24页 |
| 2.4.2 相似度度量 | 第24-26页 |
| 2.4.3 基于二次免疫机制的人工免疫网络算法 | 第26-29页 |
| 2.5 对比试验 | 第29-37页 |
| 2.5.1 实验数据 | 第30页 |
| 2.5.2 参数设置 | 第30-31页 |
| 2.5.3 有效性评价 | 第31-32页 |
| 2.5.4 实验结果及分析 | 第32-37页 |
| 2.6 本章小结 | 第37-39页 |
| 第三章 基于核的人工免疫网络的真实数据聚类算法 | 第39-45页 |
| 3.1 引言 | 第39页 |
| 3.2 相关理论背景 | 第39-41页 |
| 3.2.1 真实数据聚类的难点 | 第39页 |
| 3.2.2 基于核距离的相似性度量 | 第39-41页 |
| 3.3 基于核的人工免疫网络的真实数据聚类算法 | 第41-42页 |
| 3.3.1 亲和力函数的定义 | 第41页 |
| 3.3.2 基于核的人工免疫网络的聚类算法 | 第41-42页 |
| 3.4 对比实验 | 第42-44页 |
| 3.4.1 实验数据 | 第42页 |
| 3.4.2 参数设置 | 第42页 |
| 3.4.3 实验结果与分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于相似维和人工免疫网络的高维子空间聚类算法 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 高维数据的聚类问题 | 第45-48页 |
| 4.2.1 高维数据集聚类的特性 | 第45-46页 |
| 4.2.2 高维数据集聚类的难点 | 第46-47页 |
| 4.2.3 高维数据集聚类的一般方法 | 第47-48页 |
| 4.3 基于相似维和人工免疫网络的高维子空间聚类算法 | 第48-52页 |
| 4.3.1 基于子空间聚类方法 | 第48-49页 |
| 4.3.2 基于相似维的高维子空间聚类算法 | 第49-50页 |
| 4.3.3 算法的提出 | 第50-51页 |
| 4.3.4 基于相似维和人工免疫网络的子空间聚类算法 | 第51-52页 |
| 4.4 实验 | 第52-54页 |
| 4.4.1 测试数据集 | 第53页 |
| 4.4.2 实验结果与分析 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 结论和展望 | 第55-57页 |
| 5.1 研究结论 | 第55-56页 |
| 5.2 研究展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 作者简介 | 第63-64页 |
