| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状分析 | 第11-15页 |
| 1.2.1 无约束信息的半监督聚类方法现状 | 第11-13页 |
| 1.2.2 有约束信息的半监督聚类方法现状 | 第13-15页 |
| 1.3 课题研究内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第2章 种子对象半监督方法相关原理与算法的介绍 | 第18-27页 |
| 2.1 种子对象约束扩展基础 | 第18-19页 |
| 2.1.1 种子对象的介绍 | 第18页 |
| 2.1.2 约束对象的扩展原理 | 第18-19页 |
| 2.2 半监督聚类算法基础 | 第19-23页 |
| 2.2.1 聚类方法介绍 | 第19-21页 |
| 2.2.2 Tri-Training半监督算法 | 第21-23页 |
| 2.3 评价指标及分析 | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 基于种子对象约束的密度峰值聚类算法 | 第27-46页 |
| 3.1 密度峰值算法原理 | 第27-30页 |
| 3.1.1 半监督约束的扩展 | 第27-29页 |
| 3.1.2 聚类中心的分析 | 第29-30页 |
| 3.1.3 聚类中心判定原理 | 第30页 |
| 3.2 种子对象的密度峰值模型算法 | 第30-32页 |
| 3.2.1 聚类中心和种子对象的关系 | 第30-31页 |
| 3.2.2 密度峰值算法的参数分析 | 第31-32页 |
| 3.3 基于种子对象的密度峰值算法 | 第32-37页 |
| 3.3.1 构造数据拓扑图 | 第32-35页 |
| 3.3.2 基于密度峰值的密度聚类 | 第35-37页 |
| 3.4 实验环境与数据样本 | 第37-39页 |
| 3.5 实验结果与分析 | 第39-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于种子对象约束的协同聚类算法 | 第46-57页 |
| 4.1 协同训练算法的介绍 | 第46-47页 |
| 4.2 协同聚类算法的提出 | 第47-51页 |
| 4.2.1 利用Tri-Training算法扩充种子对象 | 第47-48页 |
| 4.2.2 基于Co-Training算法训练样本数据 | 第48-50页 |
| 4.2.3 基于多个聚类算法的协同聚类 | 第50-51页 |
| 4.3 实验结果分析 | 第51-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64页 |