基于半监督学习的两种聚类算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究现状及实际应用 | 第10-13页 |
| ·半监督聚类研究现状 | 第10-13页 |
| ·半监督聚类的应用 | 第13页 |
| ·研究内容和组织结构 | 第13-15页 |
| 2 半监督学习与聚类分析 | 第15-26页 |
| ·半监督学习概述 | 第15-17页 |
| ·聚类算法问题描述 | 第17-25页 |
| ·聚类算法描述 | 第17-18页 |
| ·相似度与距离度量 | 第18-21页 |
| ·聚类算法类别 | 第21-24页 |
| ·聚类评价准则 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 半监督学习中成对约束的扩展方法 | 第26-33页 |
| ·成对约束的传递性约束扩展 | 第26-27页 |
| ·基于密度敏感距离的约束扩展 | 第27-30页 |
| ·数据集的图的形式表示 | 第27页 |
| ·基于流形的密度敏感距离 | 第27-29页 |
| ·基于密度敏感距离的约束扩展 | 第29-30页 |
| ·基于主动学习的约束扩展 | 第30-32页 |
| ·主动学习策略 | 第30-31页 |
| ·基于主动学习的约束扩展 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 一种用于处理高维稀疏数据的半监督聚类 | 第33-42页 |
| ·引言 | 第33-34页 |
| ·预处理 | 第34-37页 |
| ·基于成对约束的特征投影 | 第37-38页 |
| ·高维稀疏数据的半监督聚类 | 第38-39页 |
| ·实验结果及分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 5 基于空间一致性的半监督近邻传播聚类 | 第42-54页 |
| ·近邻传播算法 | 第42-47页 |
| ·AP算法思想 | 第42-44页 |
| ·AP算法与K-Means算法比较 | 第44-47页 |
| ·空间一致性的半监督近邻传播聚类 | 第47-51页 |
| ·基于密度的流形搜索 | 第47-48页 |
| ·算法思想及其步骤 | 第48-51页 |
| ·成对约束违反问题 | 第51页 |
| ·实验结果及其分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 6 总结和展望 | 第54-56页 |
| ·全文总结 | 第54-55页 |
| ·研究展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 攻读学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-65页 |
