一种改进的支持向量聚类算法的设计与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·论文结构安排 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第二章 聚类算法研究 | 第15-25页 |
| ·几种常见的聚类算法 | 第15-19页 |
| ·K-MEANS聚类算法 | 第15-16页 |
| ·DBSCAN聚类算法 | 第16-17页 |
| ·CURE聚类算法 | 第17-19页 |
| ·神经网络方法 | 第19页 |
| ·支持向量聚类算法 | 第19-24页 |
| ·支持向量聚类训练 | 第20-22页 |
| ·支持向量聚类分配 | 第22-23页 |
| ·SVC算法评价 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 改进支持向量聚类算法 | 第25-38页 |
| ·基于SVC算法的分析 | 第25-26页 |
| ·改进聚类算法策略 | 第26-27页 |
| ·抑制"噪声"数据 | 第27-30页 |
| ·"噪声"数据分析 | 第27-28页 |
| ·抑制"噪声"数据原理 | 第28-29页 |
| ·去噪效果 | 第29-30页 |
| ·消除内部SVs点 | 第30-33页 |
| ·备选SVs分析 | 第30-31页 |
| ·消除内部SVs实验 | 第31-33页 |
| ·SVs点寻找SEP点 | 第33-34页 |
| ·SEP点原理 | 第33-34页 |
| ·性能分析 | 第34页 |
| ·对SEP点成对抽样计算CLUSTERS | 第34-37页 |
| ·抽样试验 | 第34-35页 |
| ·抽样分析 | 第35-36页 |
| ·确定数据点簇标签 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 实验仿真结果 | 第38-50页 |
| ·实验数据和环境 | 第38页 |
| ·支持向量性能参数 | 第38-42页 |
| ·惩罚参数C | 第39-40页 |
| ·径向参数q | 第40-42页 |
| ·实验结果 | 第42-47页 |
| ·聚类效果评价指标 | 第42-43页 |
| ·实验结果 | 第43-47页 |
| ·实验分析 | 第47-49页 |
| ·算法耗时分析 | 第47-48页 |
| ·算法聚类质量分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结和展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录 英文缩写 | 第56-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文 | 第58页 |
