| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 半监督聚类研究现状 | 第12-13页 |
| 1.2.2 迁移学习研究现状 | 第13-14页 |
| 1.2.3 云计算研究现状 | 第14-15页 |
| 1.3 文章主要内容与结构安排 | 第15-16页 |
| 第2章 理论知识 | 第16-23页 |
| 2.1 聚类 | 第16-18页 |
| 2.1.1 聚类概念 | 第16-17页 |
| 2.1.2 聚类算法的分类 | 第17-18页 |
| 2.2 半监督聚类 | 第18-19页 |
| 2.2.1 半监督聚类的概念 | 第18-19页 |
| 2.2.2 先验信息的表示方式 | 第19页 |
| 2.3 迁移学习 | 第19-20页 |
| 2.3.1 迁移学习的概念 | 第19-20页 |
| 2.3.2 迁移学习的分类 | 第20页 |
| 2.4 云计算 | 第20-21页 |
| 2.4.1 云计算的概念 | 第20-21页 |
| 2.4.2 分布式计算 | 第21页 |
| 2.5 本章小结 | 第21-23页 |
| 第3章 半监督迁移聚类算法 | 第23-35页 |
| 3.1 相关模糊聚类算法介绍 | 第23-25页 |
| 3.1.1 FCM聚类算法 | 第23-24页 |
| 3.1.2 PCM聚类算法 | 第24页 |
| 3.1.3 模糊可能性聚类算法 | 第24-25页 |
| 3.2 半监督模糊可能性聚类算法 | 第25-27页 |
| 3.2.1 半监督FCM聚类算法 | 第25-26页 |
| 3.2.2 半监督FPCM聚类算法 | 第26-27页 |
| 3.3 半监督迁移模糊可能性聚类算法 | 第27-34页 |
| 3.3.1 非负迁移的半监督FPCM聚类算法 | 第27-30页 |
| 3.3.2 改进的半监督迁移聚类算法 | 第30-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 并行化半监督模糊聚类算法 | 第35-45页 |
| 4.1 弹性分布式数据集 | 第35-37页 |
| 4.1.1 RDD概念 | 第35页 |
| 4.1.2 RDD操作 | 第35-36页 |
| 4.1.3 RDD工作原理 | 第36-37页 |
| 4.2 分布式半监督模糊可能性聚类算法 | 第37-44页 |
| 4.2.1 可能性矩阵T的并行求解 | 第37-38页 |
| 4.2.2 隶属度矩阵U的并行求解 | 第38-40页 |
| 4.2.3 聚类中心V的并行求解 | 第40-43页 |
| 4.2.4 基于RDD的分布式半监督模糊可能性聚类算法步骤 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 实验以及结果分析 | 第45-64页 |
| 5.1 实验数据集 | 第45-48页 |
| 5.1.1 人工数据集 | 第45-47页 |
| 5.1.2 图像文本数据集 | 第47-48页 |
| 5.2 半监督迁移模糊可能性聚类算法实验 | 第48-55页 |
| 5.2.1 算法评价指标 | 第48-50页 |
| 5.2.2 算法实验与结果分析 | 第50-55页 |
| 5.3 分布式半监督模糊可能性聚类算法实验 | 第55-63页 |
| 5.3.1 实验环境 | 第55-56页 |
| 5.3.2 实验评价指标 | 第56-57页 |
| 5.3.3 实验结果与分析 | 第57-63页 |
| 5.4 本章小结 | 第63-64页 |
| 结论与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第72页 |