基于混合数据的谱聚类算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-21页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.3 论文研究内容与组织结构 | 第19-21页 |
| 2 谱聚类算法基础理论 | 第21-31页 |
| 2.1 图论基础 | 第21-23页 |
| 2.2 图的划分方法 | 第23-25页 |
| 2.3 相似矩阵与拉普拉斯矩阵 | 第25-26页 |
| 2.4 谱聚类算法 | 第26-29页 |
| 2.5 对谱聚类算法的展望 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 3 混合数据聚类相关理论 | 第31-42页 |
| 3.1 混合数据聚类算法一般方法 | 第31-32页 |
| 3.2 一般数据度量方式 | 第32-34页 |
| 3.3 混合数据度量方式 | 第34-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于混合数据相似性度量的谱聚类算法 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 谱聚类处理混合数据基本原理 | 第42-43页 |
| 4.3 谱聚类相似度关系的分析与构造 | 第43-46页 |
| 4.4 基于混合数据相似性度量的谱聚类算法 | 第46-48页 |
| 4.5 实验研究与分析 | 第48-52页 |
| 4.6 本章小结 | 第52-54页 |
| 5 改进混合数据距离度量的谱聚类算法 | 第54-69页 |
| 5.1 改进的混合距离 | 第54-56页 |
| 5.2 构建混合数据相似矩阵 | 第56-57页 |
| 5.3 改进混合数据距离度量的谱聚类算法 | 第57-58页 |
| 5.4 实验及实验分析 | 第58-63页 |
| 5.5 自确定权值的混合数据谱聚类算法 | 第63-66页 |
| 5.6 实验研究与分析 | 第66-67页 |
| 5.7 本章小结 | 第67-69页 |
| 6 总结与展望 | 第69-72页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-79页 |
| 作者简历 | 第79-81页 |
| 学位论文数据集 | 第81页 |
