| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-12页 |
| 1.3 本论文的研究成果和章节安排 | 第12-15页 |
| 第2章 基本理论 | 第15-29页 |
| 2.1 聚类分析 | 第15-18页 |
| 2.2 谱聚类算法 | 第18-25页 |
| 2.2.1 谱图的基本概念 | 第19-20页 |
| 2.2.2 谱图的矩阵表示 | 第20-21页 |
| 2.2.3 谱图的划分准则 | 第21-23页 |
| 2.2.4 谱聚类算法的实现步骤 | 第23-25页 |
| 2.3 K-means聚类算法 | 第25-28页 |
| 2.3.1 算法的介绍 | 第25-26页 |
| 2.3.2 算法的实现 | 第26-27页 |
| 2.3.3 算法的优缺点 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于密度敏感的相似性函数的谱聚类算法 | 第29-45页 |
| 3.1 密度敏感的相似性度量 | 第29-32页 |
| 3.2 改进的K-means算法 | 第32-33页 |
| 3.3 基于密度敏感的相似性函数的谱聚类算法的流程 | 第33-34页 |
| 3.4 实验结果及其分析 | 第34-44页 |
| 3.4.1 对人工数据集的聚类分析 | 第34-39页 |
| 3.4.2 对UCI真实数据集的聚类分析 | 第39-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于密度敏感的相似性函数的谱聚类算法在极光分类中的应用 | 第45-57页 |
| 4.1 极光分类的研究进展与发展现状 | 第45-46页 |
| 4.2 极光图像的特征提取 | 第46-47页 |
| 4.2.1 基于Radon变换的方法 | 第46-47页 |
| 4.3 实验过程 | 第47-48页 |
| 4.4 实验结果 | 第48-49页 |
| 4.5 加噪处理 | 第49-54页 |
| 4.6 参数值对聚类算法性能的影响 | 第54-56页 |
| 4.7 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 本文总结 | 第57-58页 |
| 5.2 未来展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间的科研成果 | 第67页 |