首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

K-medoids聚类算法的两种改进

摘要第5-6页
abstract第6页
第1章 绪论第9-15页
    1.1 论文的研究背景、目的和意义第9-11页
    1.2 国内外研究现状第11-14页
    1.3 论文结构安排第14-15页
第2章 基础知识简介第15-19页
    2.1 聚类算法简介第15-16页
        2.1.1 聚类算法的相关概念第15页
        2.1.2 聚类算法分类第15-16页
    2.2 散度矩阵第16-17页
        2.2.1 类内散度矩阵第16-17页
        2.2.2 类间散度矩阵第17页
        2.2.3 总体散度矩阵第17页
    2.3 多目标函数优化问题第17-18页
        2.3.1 凝聚函数法第17-18页
        2.3.2 凝聚函数法下的单目标优化问题第18页
    2.4 本章小结第18-19页
第3章 多目标聚类函数改进K-medoids算法第19-27页
    3.1 线性判别分析中的散度矩阵第19-21页
    3.2 PAMOF算法的提出第21-22页
    3.3 凝聚函数法改进的K-medoids聚类评价函数第22-25页
    3.4 多目标聚类函数的凝聚函数法转化第25页
    3.5 改进K-medoids算法流程第25-26页
    3.6 本章小结第26-27页
第4章 考虑类间效应的聚类目标函数K-medoids算法第27-32页
    4.1 算法提出第27-28页
    4.2 K-medoids聚类评价函数分析及改进第28-29页
        4.2.1 原始K-medoids聚类评价函数第28页
        4.2.2 K-medoids聚类评价函数紧致性的分析第28-29页
        4.2.3 改进的K-medoids聚类评价函数第29页
    4.3 改进K-medoids算法流程第29-30页
    4.4 本章小结第30-32页
第5章 两种方法比较及实验仿真分析第32-53页
    5.1 PAM, PAMOF, PAMWB方法比较分析第32-33页
    5.2 实验仿真与分析第33-52页
        5.2.1 数据集第33-36页
        5.2.2 聚类结果分析与讨论第36-52页
    5.3 本章小结第52-53页
结论第53-54页
参考文献第54-60页
攻读硕士学位期间发表的论文和取得的科研成果第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:基于改进深度学习模型C-GRBM的人体行为识别
下一篇:县级公共气象服务业务信息平台的设计与实现