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 |