| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 中英文缩写对照表 | 第10-12页 |
| 1 绪论 | 第12-29页 |
| ·课题来源、目的、意义 | 第12-14页 |
| ·模糊聚类算法研究概况 | 第14-25页 |
| ·模糊聚类算法的几个关键问题 | 第25-26页 |
| ·本文研究内容及章节 | 第26-29页 |
| 2 基于流形学习算法的模糊聚类算法研究 | 第29-47页 |
| ·引言 | 第29页 |
| ·基于流形学习的 FCM 算法研究 | 第29-40页 |
| ·实验结果与分析 | 第40-46页 |
| ·本章小结 | 第46-47页 |
| 3 基于信息熵与高斯混合模型的模糊聚类算法研究 | 第47-82页 |
| ·引言 | 第47页 |
| ·理论基础 | 第47-49页 |
| ·基于 K-L 信息熵规则化和高斯混合分布的 FCM 算法研究 | 第49-61页 |
| ·基于高斯混合分布间 K-L 散度的 FCM 算法研究 | 第61-80页 |
| ·本章小结 | 第80-82页 |
| 4 基于谱分析的冗余模糊聚类算法研究 | 第82-107页 |
| ·引言 | 第82-83页 |
| ·特征加权的 FCM 算法与冗余聚类算法 | 第83-87页 |
| ·针对两个准则的“距离”度量的建立 | 第87-90页 |
| ·基于贴近度与谱分解的冗余 FCM 算法 | 第90-92页 |
| ·实验与分析 | 第92-105页 |
| ·本章小结 | 第105-107页 |
| 5 半监督 FCM 算法研究 | 第107-136页 |
| ·引言 | 第107-108页 |
| ·半监督 FCM 算法回顾 | 第108-111页 |
| ·新的半监督 FCM 算法 | 第111-118页 |
| ·实例分析 | 第118-129页 |
| ·半监督可能性聚类算法研究 | 第129-134页 |
| ·本章小结 | 第134-136页 |
| 6 总结与展望 | 第136-141页 |
| ·全文总结 | 第136-139页 |
| ·今后研究工作展望 | 第139-141页 |
| 致谢 | 第141-142页 |
| 参考文献 | 第142-153页 |
| 附录 1 攻读博士学位期间发表的论文 | 第153-154页 |
| 附录 2 公开发表的学术论文与博士学位论文的关系 | 第154-155页 |
| 附录 3 攻读博士学位期间参与的研究项目 | 第155页 |