| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 K-medoids聚类算法研究现状 | 第9-10页 |
| 1.2.2 无监督特征选择算法研究现状 | 第10页 |
| 1.3 本文研究内容及组织结构 | 第10-12页 |
| 第2章 聚类及特征选择算法简介 | 第12-22页 |
| 2.1 聚类算法分类 | 第12-14页 |
| 2.2 聚类评价指标 | 第14-18页 |
| 2.2.1 外部评价指标 | 第14-16页 |
| 2.2.2 内部评价指标 | 第16-17页 |
| 2.2.3 相对评价指标 | 第17-18页 |
| 2.3 特征选择算法内容简介 | 第18-19页 |
| 2.3.1 搜索方向 | 第18页 |
| 2.3.2 搜索策略 | 第18页 |
| 2.3.3 评价方法 | 第18-19页 |
| 2.3.4 停止准则 | 第19页 |
| 2.4 支持向量机理论简介 | 第19-21页 |
| 2.4.1 线性支持向量机 | 第19-20页 |
| 2.4.2 非线性支持向量机 | 第20-21页 |
| 2.5 小结 | 第21-22页 |
| 第3章 密度峰值优化初始中心的K-medoids聚类算法 | 第22-44页 |
| 3.1 算法思想 | 第22-23页 |
| 3.2 基本概念 | 第23-24页 |
| 3.3 算法详细步骤 | 第24页 |
| 3.4 实验结果与分析 | 第24-41页 |
| 3.4.1 算法时间复杂度分析 | 第25-26页 |
| 3.4.2 UCI数据集实验结果分析 | 第26-31页 |
| 3.4.3 人工数据集实验结果分析 | 第31-34页 |
| 3.4.4 经典人工模拟数据集实验结果分析 | 第34-41页 |
| 3.5 小结 | 第41-44页 |
| 第4章 基于密度峰值的无监督特征选择算法 | 第44-60页 |
| 4.1 算法思想 | 第44页 |
| 4.2 基本概念 | 第44-46页 |
| 4.3 实验设计 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-58页 |
| 4.4.1 UCI数据集实验结果分析 | 第47-50页 |
| 4.4.2 人脸数据集实验结果分析 | 第50-53页 |
| 4.4.3 基因数据集实验结果分析 | 第53-58页 |
| 4.5 小结 | 第58-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 后续工作 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间的研究成果 | 第70页 |