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

基于内部约束的多视图K-means聚类算法的研究与实现

摘要第4-6页
Abstract第6-7页
第1章 绪论第10-14页
    1.1 研究背景、现状和意义第10-11页
    1.2 论文的研究内容第11-12页
    1.3 论文的组织结构第12-14页
第2章 相关理论和算法第14-20页
    2.1 聚类第14页
    2.2 无监督K-means聚类第14-15页
    2.3 协同训练(Co-training)第15页
    2.4 传统的多视图K-means聚类算法第15-18页
        2.4.1 两种简单的多视图K-means聚类算法第16-17页
        2.4.2 共用聚类分簇的多视图K-means聚类算法第17-18页
        2.4.3 差异最小化的多视图K-means聚类算法第18页
    2.5 本章小结第18-20页
第3章 自动形成多视图交互结构第20-28页
    3.1 视图顺序的确定第20-23页
    3.2 视图等级的确定第23-24页
    3.3 自动形成多视图交互结构的实验第24-27页
        3.3.1 数据集第24-26页
        3.3.2 实验设置第26页
        3.3.3 实验结果第26-27页
        3.3.4 结果分析第27页
    3.4 本章小结第27-28页
第4章 改进的无监督与半监督K-means聚类第28-38页
    4.1 改进的无监督K-means聚类算法描述第28-30页
    4.2 改进的无监督K-means聚类实验第30-32页
        4.2.1 数据集第30-31页
        4.2.2 实验设置第31页
        4.2.3 实验结果第31-32页
        4.2.4 结果分析第32页
    4.3 改进的半监督K-means聚类算法描述第32-34页
    4.4 改进的半监督K-means聚类实验第34-36页
        4.4.1 数据集第34-35页
        4.4.2 实验设置第35页
        4.4.3 实验结果第35页
        4.4.4 结果分析第35-36页
    4.5 本章小结第36-38页
第5章 基于内部约束的聚类第38-54页
    5.1 内部约束第38页
    5.2 传递、修改、积累置信矩阵第38-40页
    5.3 收敛性分析第40-41页
    5.4 基于内部约束的聚类的实验第41-46页
        5.4.1 数据集第41-42页
        5.4.2 实验设置第42-43页
        5.4.3 实验结果第43-44页
        5.4.4 结果分析第44-46页
    5.5 关于参数选取的实验第46-52页
        5.5.1 数据集第46-47页
        5.5.2 实验设置第47-48页
        5.5.3 实验结果第48-49页
        5.5.4 结果分析第49-52页
    5.6 本章小结第52-54页
第6章 基于ICMK算法的故障预警系统第54-60页
    6.1 故障预警系统的算法第54-55页
    6.2 故障预警系统的实验第55-59页
        6.2.1 数据集第55-56页
        6.2.2 实验设置第56页
        6.2.3 实验结果第56-57页
        6.2.4 结果分析第57-59页
    6.3 本章小结第59-60页
结论第60-62页
参考文献第62-66页
攻读学位期间发表的学术论文第66-68页
致谢第68页

论文共68页,点击 下载论文
上一篇:基于射频识别技术的整车质检过程跟踪系统设计与实现
下一篇:基于数字控制的120W级联型BUCK-BOOST功率因数校正变换器设计