| 致谢 | 第3-5页 |
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第15-25页 |
| 1.1 课题来源 | 第15页 |
| 1.2 研究背景及意义 | 第15-17页 |
| 1.3 国内外研究现状 | 第17-22页 |
| 1.4 本文研究工作 | 第22-23页 |
| 1.5 论文组织结构 | 第23-25页 |
| 2 基础理论 | 第25-33页 |
| 2.1 核函数 | 第25-26页 |
| 2.2 k-means聚类算法 | 第26-29页 |
| 2.3 核k-means聚类算法 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 基于混合蛙跳算法的自适应核k-means算法 | 第33-47页 |
| 3.1 混合蛙跳算法 | 第33-38页 |
| 3.2 核类间类内比指标 | 第38-39页 |
| 3.3 基于混合蛙跳算法的自适应核k-means算法 | 第39-41页 |
| 3.4 实验及结果分析 | 第41-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 求解大规模数据的混合核k-means算法 | 第47-59页 |
| 4.1 混合核函数 | 第47-48页 |
| 4.2 近似核k-means算法 | 第48-50页 |
| 4.3 混合核k-means算法 | 第50-51页 |
| 4.4 实验及结果分析 | 第51-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 基于相似性度量的局部多核k-means | 第59-68页 |
| 5.1 多核k-means | 第59页 |
| 5.2 相似性度量 | 第59-62页 |
| 5.3 基于相似性度量的局部多核k-means | 第62-63页 |
| 5.4 实验及结果分析 | 第63-67页 |
| 5.5 本章小结 | 第67-68页 |
| 6 总结和展望 | 第68-71页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 作者简历 | 第77-79页 |
| 学位论文数据集 | 第79页 |