| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 选题背景和研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.3 主要研究内容 | 第18-20页 |
| 1.4 论文结构 | 第20-21页 |
| 第2章 大规模数据聚类分析方法 | 第21-29页 |
| 2.1 基于聚类特征概括的方法 | 第21-24页 |
| 2.2 基于密度聚类的方法 | 第24-25页 |
| 2.3 基于采样聚类的方法 | 第25-26页 |
| 2.4 基于约束信息的半监督聚类方法 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 最大三角形法则的半监督k-means聚类算法 | 第29-46页 |
| 3.1 引言 | 第29-30页 |
| 3.2 问题的提出 | 第30-33页 |
| 3.2.1 算法的基本思想 | 第31页 |
| 3.2.2 算法的数学描述 | 第31-33页 |
| 3.3 基于最大三角形法则的k-means聚类算法 | 第33-38页 |
| 3.3.1 算法的基本思想 | 第33页 |
| 3.3.2 算法的数学描述 | 第33-34页 |
| 3.3.3 算法的实现过程 | 第34页 |
| 3.3.4 实验结果与分析 | 第34-38页 |
| 3.4 基于最大三角形法则的半监督k-means聚类算法 | 第38-45页 |
| 3.4.1 聚类成员的生成 | 第39-40页 |
| 3.4.2 半监督聚类算法 | 第40-41页 |
| 3.4.3 MTRSSKM大规模数据集聚类过程 | 第41-43页 |
| 3.4.4 实验结果与分析 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于Nystr?m方法的快速谱聚类算法 | 第46-67页 |
| 4.1 引言 | 第46-47页 |
| 4.2 问题的提出 | 第47-48页 |
| 4.3 Nystr?m扩展方法 | 第48-52页 |
| 4.3.1 Nystr?m扩展相关理论 | 第48-51页 |
| 4.3.2 Nystr?m扩展的抽样算法 | 第51-52页 |
| 4.4 基于Nystr?m方法的快速谱聚类算法 | 第52-60页 |
| 4.4.1 利用概率分布函数的抽样方式 | 第53-58页 |
| 4.4.2 基于Nystr?m方法的谱聚类算法 | 第58-59页 |
| 4.4.3 算法的实现过程 | 第59-60页 |
| 4.5 实验结果与分析 | 第60-66页 |
| 4.5.1 UCI数据集上的实验 | 第61-65页 |
| 4.5.2 人工合成数据集上的实验 | 第65-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第5章 面向大规模数据处理的划分聚类新方法 | 第67-85页 |
| 5.1 引言 | 第67-68页 |
| 5.2 问题的提出 | 第68-69页 |
| 5.3 均值更新分类方法 | 第69-77页 |
| 5.3.1 均值更新分类模型 | 第69-70页 |
| 5.3.2 均值更新分类的实现 | 第70-73页 |
| 5.3.3 类代表点的变化特性分析 | 第73-75页 |
| 5.3.4 实验结果与分析 | 第75-77页 |
| 5.4 划分聚类新方法 | 第77-82页 |
| 5.4.1 抽样 | 第78页 |
| 5.4.2 确定自然簇质心的初始位置 | 第78-80页 |
| 5.4.3 均值更新方法 | 第80-81页 |
| 5.4.4 数据划分 | 第81页 |
| 5.4.5 新聚类算法的复杂度分析 | 第81-82页 |
| 5.5 实验结果与分析 | 第82-84页 |
| 5.5.1 UCI数据集上的实验 | 第82-83页 |
| 5.5.2 人工合成数据集上的实验 | 第83-84页 |
| 5.6 本章小结 | 第84-85页 |
| 第6章 聚类算法在彩色图像分割上的应用 | 第85-102页 |
| 6.1 引言 | 第85-86页 |
| 6.2 问题的提出 | 第86-87页 |
| 6.3 均值漂移算法 | 第87-93页 |
| 6.3.1 均值漂移的基本形式 | 第87-88页 |
| 6.3.2 均值漂移的扩展形式 | 第88-91页 |
| 6.3.3 均值漂移算法的收敛性 | 第91-93页 |
| 6.4 谱聚类算法 | 第93-94页 |
| 6.5 基于MS和谱聚类集成的算法 | 第94-96页 |
| 6.5.1 MS预分割区域合并策略 | 第94-95页 |
| 6.5.2 谱聚类集成算法 | 第95-96页 |
| 6.5.3 算法的实现过程 | 第96页 |
| 6.6 实验结果与分析 | 第96-101页 |
| 6.6.1 MS-SCE算法与其它算法的比较 | 第96-99页 |
| 6.6.2 MS-SCE算法各阶段的处理结果 | 第99-101页 |
| 6.7 本章小结 | 第101-102页 |
| 结论 | 第102-104页 |
| 参考文献 | 第104-115页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第115-116页 |
| 致谢 | 第116-117页 |
| 个人简历 | 第117页 |
