| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-16页 |
| 1.2 聚类集成的国内外研究现状 | 第16-18页 |
| 1.2.1 对聚类成员构造过程的研究 | 第16-17页 |
| 1.2.2 对聚类成员聚合过程的研究 | 第17-18页 |
| 1.3 论文主要内容和组织架构 | 第18-20页 |
| 第二章 预备知识 | 第20-32页 |
| 2.1 聚类分析 | 第20-25页 |
| 2.1.1 聚类的基本原理 | 第20-21页 |
| 2.1.2 聚类中数据相似度的计算 | 第21-22页 |
| 2.1.3 常用的聚类算法 | 第22-25页 |
| 2.2 集成学习 | 第25-30页 |
| 2.2.1 传统集成学习方法 | 第25-26页 |
| 2.2.2 聚类集成学习方法 | 第26-30页 |
| 2.3 用于聚类集成的相关优化算法 | 第30-32页 |
| 第三章 基于特征相关性和不同权重计算方法的聚类集成策略 | 第32-58页 |
| 3.1 基于特征相关性的聚类成员构造 | 第33-44页 |
| 3.1.1 传统的特征子集生成策略 | 第33-34页 |
| 3.1.2 基于最低相关性的特征子集生成原理 | 第34-36页 |
| 3.1.3 基于遗传算法的特征子集生成策略 | 第36-41页 |
| 3.1.4 基于贪心法的特征子集生成策略 | 第41-44页 |
| 3.2 基于不同权重计算方法的聚类成员聚合策略 | 第44-53页 |
| 3.2.1 聚类成员的重标签方法 | 第45-47页 |
| 3.2.2 聚类成员的权重计算方法 | 第47-53页 |
| 3.3 加权投票聚类集成的算法流程 | 第53-56页 |
| 3.4 本章小结 | 第56-58页 |
| 第四章 基于Boosting的聚类集成策略 | 第58-72页 |
| 4.1 Boosting方法的性质和应用 | 第59-62页 |
| 4.1.1 Boosting方法的适用性和优势 | 第59页 |
| 4.1.2 将Boosting方法应用于聚类集成时的难点分析 | 第59-62页 |
| 4.2 传统的基于Boosting的聚类集成方法 | 第62-64页 |
| 4.3 改进的基于Boosting的聚类集成方法 | 第64-71页 |
| 4.3.1 对基本学习对象的改进 | 第65-66页 |
| 4.3.2 对权重确定方式的改进 | 第66-69页 |
| 4.3.3 改进的Boosting聚类集成方法流程 | 第69-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第五章 实验设计和结果分析 | 第72-94页 |
| 5.1 实验数据集确定 | 第72-73页 |
| 5.2 聚类质量评判准则 | 第73-76页 |
| 5.2.1 DBI内聚类准则 | 第74-75页 |
| 5.2.2 S_Dbw内聚类准则 | 第75-76页 |
| 5.3 基于特征相关性和不同权重计算方法的聚类集成实验 | 第76-88页 |
| 5.3.1 基于特征相关性的聚类成员生成实验 | 第76-78页 |
| 5.3.2 基于不同权重计算方法的聚类成员集成实验 | 第78-87页 |
| 5.3.3 权重计算策略的性质和使用方式总结 | 第87-88页 |
| 5.4 改进的Boosting聚类集成实验 | 第88-92页 |
| 5.4.1 改进方法的聚类质量分析 | 第89-91页 |
| 5.4.2 改进方法的时间性能分析 | 第91-92页 |
| 5.5 本章小结 | 第92-94页 |
| 第六章 总结与展望 | 第94-96页 |
| 6.1 研究工作小结 | 第94-95页 |
| 6.2 研究展望 | 第95-96页 |
| 参考文献 | 第96-104页 |
| 攻读硕士学位期间发表论文和参与科研情况 | 第104-106页 |
| 致谢 | 第106页 |
