基于约束的高维不确定子空间聚类
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 引言 | 第6-9页 |
| 1 背景介绍 | 第9-15页 |
| 1.1 聚类定义 | 第9页 |
| 1.2 经典的聚类算法及比较 | 第9-14页 |
| 1.2.1 划分方法 | 第10-11页 |
| 1.2.2 层次方法 | 第11-12页 |
| 1.2.3 基于密度的方法 | 第12-13页 |
| 1.2.4 基于网格的方法 | 第13-14页 |
| 1.2.5 基于模型的方法 | 第14页 |
| 1.3 小结 | 第14-15页 |
| 2 研究现状 | 第15-29页 |
| 2.1 不确定数据聚类研究现状 | 第15-18页 |
| 2.1.1 不确定数据聚类算法 | 第15-18页 |
| 2.1.2 不确定数据聚类算法小结 | 第18页 |
| 2.2 子空间聚类研究现状 | 第18-25页 |
| 2.2.1 高维数据的挑战 | 第18-20页 |
| 2.2.2 高维数据对传统聚类算法的影响 | 第20-21页 |
| 2.2.3 子空间聚类算法 | 第21-25页 |
| 2.2.4 子空间聚类算法小结 | 第25页 |
| 2.3 基于约束的子空间聚类研究现状 | 第25-27页 |
| 2.3.1 约束条件分析 | 第26页 |
| 2.3.2 基于约束的子空间聚类算法 | 第26-27页 |
| 2.3.3 基于约束的子空间聚类算法小结 | 第27页 |
| 2.4 高维不确定子空间聚类研究现状 | 第27-28页 |
| 2.5 小结 | 第28-29页 |
| 3 基于约束的高维不确定子空间聚类算法 | 第29-46页 |
| 3.1 相关概念 | 第29页 |
| 3.2 问题描述 | 第29-31页 |
| 3.3 算法框架 | 第31-32页 |
| 3.4 基于不确定数据的面向维度的距离 | 第32-35页 |
| 3.5 基本算法过程 | 第35-41页 |
| 3.5.1 抽样过程 | 第35-36页 |
| 3.5.2 簇形成过程 | 第36-41页 |
| 3.5.3 数据分配过程 | 第41页 |
| 3.6 基于约束的剪枝算法和抽样算法 | 第41-45页 |
| 3.6.1 剪枝算法 | 第41-44页 |
| 3.6.2 抽样算法 | 第44-45页 |
| 3.7 小结 | 第45-46页 |
| 4 实验结果及分析 | 第46-57页 |
| 4.1 算法的参数设置以及数据集 | 第46-48页 |
| 4.2 准确率评价标准以及实验结果 | 第48-51页 |
| 4.2.1 评价标准F1-value | 第48-49页 |
| 4.2.2 实验结果 | 第49-51页 |
| 4.3 伸缩性实验结果 | 第51-54页 |
| 4.4 其它性能实验结果 | 第54-56页 |
| 4.5 小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-65页 |
