支持向量聚类算法及其在医学数据分析中的应用
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-14页 |
| ·本文目的及意义 | 第7页 |
| ·研究背景及现状 | 第7-12页 |
| ·聚类分析的一般过程 | 第7-10页 |
| ·主要聚类算法简介及研究进展 | 第10-11页 |
| ·聚类方法在医学数据分析中的应用 | 第11-12页 |
| ·本文主要内容与组织结构 | 第12-14页 |
| 第2章 相关研究基础 | 第14-25页 |
| ·相关聚类算法 | 第14-18页 |
| ·K-均值聚类算法 | 第14-15页 |
| ·最小生成树聚类 | 第15-16页 |
| ·支持向量聚类 | 第16-18页 |
| ·SVC 核宽度系数生成方法 | 第18-19页 |
| ·定步长法 | 第18页 |
| ·正割法 | 第18-19页 |
| ·SVC 聚类标识过程的若干改进方法 | 第19-23页 |
| ·支持向量图方法 | 第19-20页 |
| ·邻近图方法 | 第20-21页 |
| ·梯度下降方法 | 第21-22页 |
| ·分块方法 | 第22页 |
| ·Cone 聚类标识方法 | 第22-23页 |
| ·聚类有效性衡量指数 | 第23-24页 |
| ·Rand 指数 | 第23页 |
| ·Silhouette 指数 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于 K-均值的支持向量聚类算法 | 第25-37页 |
| ·算法描述及实现 | 第25-29页 |
| ·样本子集的抽取 | 第25-26页 |
| ·最小生成树剪枝 | 第26-27页 |
| ·K-均值聚类过程 | 第27页 |
| ·SVC-KM 聚类示例过程 | 第27-29页 |
| ·算法的理论分析 | 第29-30页 |
| ·计算时间复杂度 | 第29页 |
| ·参数对聚类结果的影响 | 第29-30页 |
| ·实验数据及结果分析 | 第30-36页 |
| ·高斯混合分布数据 | 第30-31页 |
| ·非凸型分布数据 | 第31-34页 |
| ·IRIS 数据集 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 SVC-KM 在医学数据中的应用 | 第37-44页 |
| ·多组织数据分型 | 第37-39页 |
| ·数据集描述 | 第37页 |
| ·实验方法 | 第37-38页 |
| ·实验结果与分析 | 第38-39页 |
| ·癌症数据分型 | 第39-43页 |
| ·弥散性大B 细胞淋巴瘤数据 | 第40页 |
| ·白血病数据 | 第40-41页 |
| ·实验方法 | 第41页 |
| ·实验结果与分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 总结与展望 | 第44-47页 |
| ·全文总结 | 第44-45页 |
| ·工作展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 硕士期间发表论文 | 第51-52页 |
| 致谢 | 第52-53页 |
| 摘要 | 第53-55页 |
| Abstract | 第55-57页 |
