| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 主要符号说明 | 第7-8页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 主题模型 | 第9页 |
| 1.2.2 谱聚类方法 | 第9-10页 |
| 1.2.3 非负矩阵分解算法 | 第10-11页 |
| 1.3 论文的主要工作和组织结构 | 第11-13页 |
| 1.3.1 本文主要工作 | 第11-12页 |
| 1.3.2 本文组织结构 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 相关技术综述 | 第14-28页 |
| 2.1 潜在语义分析 | 第14-16页 |
| 2.2 文档词频矩阵 | 第16-17页 |
| 2.3 非负矩阵分解算法 | 第17-23页 |
| 2.3.1 稀疏正则化 | 第17-18页 |
| 2.3.2 损失函数及求解 | 第18-20页 |
| 2.3.3 稀疏NMF | 第20-21页 |
| 2.3.4 交替最小二乘算法 | 第21-22页 |
| 2.3.5 基于β-散度的NMF | 第22页 |
| 2.3.6 基于相关熵的NMF | 第22-23页 |
| 2.4 dropout非负矩阵分解算法 | 第23-25页 |
| 2.5 优化算法 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于L_(2,1/2)稀疏约束和余弦相似度的非负矩阵分解聚类算法INMF | 第28-33页 |
| 3.1 模型定义 | 第28页 |
| 3.2 目标函数选取 | 第28-29页 |
| 3.2.1 稀疏范数约束 | 第28页 |
| 3.2.2 余弦相似度量 | 第28-29页 |
| 3.3 收敛分析 | 第29-31页 |
| 3.4 使用INMF模型聚类算法 | 第31-32页 |
| 3.4.1 训练阶段 | 第31页 |
| 3.4.2 预测阶段 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 实验与分析 | 第33-41页 |
| 4.1 数据集 | 第33页 |
| 4.2 评价指标 | 第33-34页 |
| 4.3 实验方案 | 第34-35页 |
| 4.4 实验结果与分析 | 第35-40页 |
| 4.4.1 不同参数的影响 | 第35-37页 |
| 4.4.2 对比方案 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 总结与展望 | 第41-43页 |
| 5.1 主要工作回顾 | 第41页 |
| 5.2 展望 | 第41-43页 |
| 参考文献 | 第43-47页 |
| 个人简历 在读期间发表的学术论文 | 第47-48页 |
| 致谢 | 第48页 |