KNN分类和FCM聚类中相似性度量的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·研究背景及现实意义 | 第9-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·分类概述 | 第10-11页 |
| ·聚类概述 | 第11-12页 |
| ·几种常见的相似性度量 | 第12-14页 |
| ·现有相似性度量存在的问题 | 第14-15页 |
| ·本论文所做的研究工作 | 第15-16页 |
| ·本论文的组织结构 | 第16-18页 |
| 2 相关工作介绍 | 第18-24页 |
| ·K近邻分类算法 | 第18-20页 |
| ·模糊C均值聚类算法 | 第20-21页 |
| ·局部保持投影算法 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3 数据内在结构特征驱动的K近邻算法 | 第24-32页 |
| ·引言 | 第24-25页 |
| ·数据内在结构特征驱动的K近邻算法 | 第25-28页 |
| ·局部保持散度矩阵 | 第25页 |
| ·改进的马氏距离 | 第25-27页 |
| ·数据内在结构特征驱动的K近邻算法 | 第27-28页 |
| ·实验研究 | 第28-31页 |
| ·人工拟合的T型数据 | 第28-29页 |
| ·真实数据 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 4 类内局部保持K近邻算法 | 第32-41页 |
| ·引言 | 第32页 |
| ·类内局部保持K近邻算法 | 第32-35页 |
| ·类内局部保持散度矩阵 | 第32-33页 |
| ·类内局部保持马氏距离 | 第33页 |
| ·类内局部保持K近邻算法 | 第33-34页 |
| ·矩阵奇异问题 | 第34-35页 |
| ·实验研究 | 第35-39页 |
| ·人工拟合的two moons数据 | 第35-37页 |
| ·10个UCI数据 | 第37-38页 |
| ·人脸数据 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 5 局部保持模糊C均值算法 | 第41-49页 |
| ·引言 | 第41-42页 |
| ·局部保持模糊C均值算法 | 第42-44页 |
| ·局部保持相似性度量 | 第42页 |
| ·局部保持模糊C均值算法 | 第42-44页 |
| ·讨论 | 第44页 |
| ·实验研究 | 第44-48页 |
| ·拟合数据 | 第44-46页 |
| ·6 个UCI数据 | 第46-47页 |
| ·手写数字数据 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 总结与展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表论文及科研成果 | 第54-55页 |
| 致谢 | 第55-57页 |
