| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 聚类集成的研究现状 | 第12-13页 |
| 1.2.2 半监督聚类集成的研究现状 | 第13-14页 |
| 1.2.3 模糊聚类集成的研究现状 | 第14-15页 |
| 1.3 本文主要内容和结构安排 | 第15-16页 |
| 第2章 聚类集成理论基础 | 第16-27页 |
| 2.1 聚类原理 | 第16-18页 |
| 2.1.1 聚类方法的概念与定义 | 第16-17页 |
| 2.1.2 聚类方法分类 | 第17-18页 |
| 2.2 半监督聚类算法概述 | 第18-21页 |
| 2.2.1 半监督聚类算法分类 | 第18-19页 |
| 2.2.2 先验知识的表述 | 第19-20页 |
| 2.2.3 S-FCM算法介绍 | 第20-21页 |
| 2.3 聚类集成方法 | 第21-26页 |
| 2.3.1 聚类成员的产生 | 第23-24页 |
| 2.3.2 共识函数的设计 | 第24-26页 |
| 2.4 半监督聚类集成 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于链接的模糊聚类集成方法 | 第27-39页 |
| 3.1 基于链接的聚类集成方法 | 第27-32页 |
| 3.1.1 聚类成员产生后的几种转化形式 | 第27-28页 |
| 3.1.2 基于链接的聚类集成算法描述 | 第28-31页 |
| 3.1.3 基于链接的聚类集成算法的优缺点 | 第31-32页 |
| 3.2 基于链接的模糊聚类集成方法 | 第32-36页 |
| 3.2.1 基于链接的模糊聚类集成算法描述 | 第32-34页 |
| 3.2.2 METIS算法 | 第34-36页 |
| 3.3 基于链接的模糊聚类集成算法解释 | 第36-37页 |
| 3.4 标签对齐问题的讨论 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于数据相关性的半监督模糊聚类集成 | 第39-48页 |
| 4.1 传统的半监督聚类集成的缺陷 | 第39-41页 |
| 4.2 基于数据相关性的半监督模糊聚类集成方法描述 | 第41-43页 |
| 4.3 数据邻近点个数λ的讨论 | 第43-45页 |
| 4.3.1 基于高斯分布的数据邻近点个数讨论 | 第44页 |
| 4.3.2 基于半径的数据邻近点个数讨论 | 第44-45页 |
| 4.4 多维高斯函数下半监督信息扩充理论 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 实验结果和分析 | 第48-62页 |
| 5.1 测试数据集选取 | 第48-49页 |
| 5.2 实验的评价方法 | 第49-50页 |
| 5.2.1 XB评价指标 | 第49页 |
| 5.2.2 Ocq评价指标 | 第49-50页 |
| 5.2.3 AMP评价指标 | 第50页 |
| 5.3 基于链接的模糊聚类集成实验 | 第50-55页 |
| 5.3.1 LBFCE与非基于链接的聚类集成算法的比较 | 第50-52页 |
| 5.3.2 LBFCE与其它基于链接的聚类集成算法的比较 | 第52-55页 |
| 5.4 基于数据相关性的半监督模糊聚类集成实验 | 第55-60页 |
| 5.4.1 基于高斯分布的半监督模糊聚类集成方法实验 | 第55-58页 |
| 5.4.2 基于半径的半监督模糊聚类集成方法实验 | 第58-60页 |
| 5.5 本章小结 | 第60-62页 |
| 结论与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第69页 |
