半监督聚类集成方法及其应用研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 半监督聚类算法研究现状 | 第10-11页 |
| 1.2.2 聚类集成算法研究现状 | 第11-12页 |
| 1.2.3 半监督聚类集成算法研究现状 | 第12页 |
| 1.3 论文的主要贡献 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第2章 半监督聚类集成关键技术分析 | 第14-22页 |
| 2.1 聚类基本概念与步骤 | 第14-15页 |
| 2.2 成对约束 | 第15页 |
| 2.3 度量测度 | 第15-17页 |
| 2.4 集成学习 | 第17-18页 |
| 2.5 半监督聚类集成 | 第18-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 约束与度量相结合的半监督聚类集成 | 第22-37页 |
| 3.1 约束与度量相结合的半监督聚类集成过程 | 第22页 |
| 3.2 基于约束的半监督聚类算法 | 第22-24页 |
| 3.3 基于度量的半监督聚类算法 | 第24-27页 |
| 3.3.1 大型集群边缘最近的距离度量 | 第24页 |
| 3.3.2 基于空间信息的像素相似度 | 第24-25页 |
| 3.3.3 基于度量的半监督聚类算法 | 第25-27页 |
| 3.4 一致性函数 | 第27页 |
| 3.5 复杂性分析 | 第27-28页 |
| 3.6 实验与分析 | 第28-36页 |
| 3.6.1 标准数据集上的对比实验 | 第28-32页 |
| 3.6.2 图像数据集上的对比实验 | 第32-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第4章 基于半监督聚类集成的图像自动标注 | 第37-48页 |
| 4.1 图像自动标注概述 | 第37-38页 |
| 4.2 图像自动标注方法与技术 | 第38-39页 |
| 4.2.1 图像自动标注的基本步骤 | 第38页 |
| 4.2.2 基于分类的标注方法 | 第38-39页 |
| 4.2.3 基于概率关联模型的标注方法 | 第39页 |
| 4.3 监督信息的获取与表示 | 第39-40页 |
| 4.4 基于半监督聚类集成实现图像自动标注 | 第40-43页 |
| 4.4.1 建模过程 | 第42-43页 |
| 4.4.2 标注过程 | 第43页 |
| 4.5 实验与分析 | 第43-47页 |
| 4.5.1 数据集与实验设置 | 第43-45页 |
| 4.5.2 实验结果与分析 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-51页 |
| 5.1 论文工作总结 | 第48-49页 |
| 5.2 下一步工作展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士学位期间的科研成果 | 第56-57页 |
| 致谢 | 第57-58页 |
