| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.3 本论文的研究内容 | 第10-12页 |
| 2 相关工作 | 第12-25页 |
| 2.1 聚类的相关知识 | 第12-14页 |
| 2.1.1 聚类的定义 | 第12页 |
| 2.1.2 聚类相似性度量 | 第12-14页 |
| 2.1.3 聚类的一般步骤 | 第14页 |
| 2.2 k-均值聚类算法 | 第14-17页 |
| 2.2.1 算法准则函数 | 第14-15页 |
| 2.2.2 算法描述 | 第15-16页 |
| 2.2.3 算法性能分析 | 第16-17页 |
| 2.3 k-近邻聚类算法 | 第17-18页 |
| 2.3.1 算法描述 | 第17页 |
| 2.3.2 算法性能分析 | 第17-18页 |
| 2.4 图的相关概念及表示 | 第18-21页 |
| 2.4.1 图的基本概念 | 第18页 |
| 2.4.2 图的相关表示 | 第18-20页 |
| 2.4.3 邻接权矩阵的构造 | 第20页 |
| 2.4.4 图的建构 | 第20-21页 |
| 2.5 谱聚类算法 | 第21-25页 |
| 2.5.1 比例割(RatioCut) | 第21-22页 |
| 2.5.2 归一化割(NormalizedCut) | 第22-23页 |
| 2.5.3 拉普拉斯特征映射 | 第23-24页 |
| 2.5.4 谱聚类算法描述 | 第24-25页 |
| 3 鲁棒自适应图正则化聚类算法 | 第25-31页 |
| 3.1 相关定义及定理 | 第25页 |
| 3.2 模型的建立 | 第25-26页 |
| 3.3 模型的优化 | 第26页 |
| 3.4 目标函数的求解 | 第26-29页 |
| 3.4.1 F的迭代更新 | 第27页 |
| 3.4.2 U的迭代更新 | 第27-29页 |
| 3.5 初始图的建立 | 第29-31页 |
| 4 实验 | 第31-37页 |
| 4.1 实验数据集 | 第31页 |
| 4.1.1 合成数据集 | 第31页 |
| 4.1.2 真实数据集 | 第31页 |
| 4.2 参数设置 | 第31-32页 |
| 4.3 算法性能比较 | 第32页 |
| 4.4 评价指标 | 第32-33页 |
| 4.5 聚类结果 | 第33-37页 |
| 结论 | 第37-38页 |
| 参考文献 | 第38-42页 |
| 攻读硕士学位期间发表学术论文情况 | 第42-43页 |
| 致谢 | 第43页 |