| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-24页 |
| ·数据挖掘概述 | 第12-15页 |
| ·数据挖掘的基本概念 | 第12页 |
| ·数据挖掘的基本过程 | 第12-14页 |
| ·数据挖掘的主要应用领域 | 第14-15页 |
| ·研究背景及研究意义 | 第15-16页 |
| ·国内外研究现状 | 第16-22页 |
| ·本文的主要工作和结构安排 | 第22-24页 |
| 第2章 经典聚类分析方法 | 第24-34页 |
| ·引言 | 第24-25页 |
| ·划分聚类方法 | 第25-26页 |
| ·层次聚类方法 | 第26-28页 |
| ·基于密度的方法 | 第28-29页 |
| ·谱聚类方法 | 第29-32页 |
| ·相似度图的选择 | 第30-31页 |
| ·谱聚类算法基本步骤 | 第31-32页 |
| ·其他聚类方法 | 第32-33页 |
| ·聚类集成方法 | 第32-33页 |
| ·基于模型的方法 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第3章 聚合场模型理论 | 第34-48页 |
| ·聚合场模型的构建 | 第34-37页 |
| ·聚合场的定义 | 第34-36页 |
| ·聚合场模型中数据对象的分类 | 第36-37页 |
| ·基于聚合场模型的噪声处理策略 | 第37-39页 |
| ·基于聚合场模型的孤立点处理策略 | 第39-41页 |
| ·基于聚合能量的改进 K-MEANS 算法 | 第41-47页 |
| ·KM 算法的问题 | 第42-43页 |
| ·基于聚合能量的改进 KM 算法描述 | 第43-45页 |
| ·实验设计与结果分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 数据竞争的划分聚类方法 | 第48-66页 |
| ·引言 | 第48页 |
| ·经典划分聚类算法存在的问题 | 第48-50页 |
| ·K-Means 的局限性 | 第48页 |
| ·Affinity Propagation 算法的局限性 | 第48-50页 |
| ·基于数据竞争的划分聚类新方法 | 第50-56页 |
| ·基于聚合场模型的划分聚类描述 | 第50-51页 |
| ·DCA 的竞争规则 | 第51-52页 |
| ·识别代表点的策略 | 第52-54页 |
| ·DCA 的收敛条件 | 第54-56页 |
| ·DCA 的时间复杂度分析 | 第56页 |
| ·实验设计与结果分析 | 第56-64页 |
| ·DCA 的孤立点处理策略 | 第56-58页 |
| ·DCA 实验设计与结果分析 | 第58-64页 |
| ·本章小结 | 第64-66页 |
| 第5章 基于数据竞争的文本谱聚类集成算法 | 第66-79页 |
| ·引言 | 第66页 |
| ·文本谱聚类集成概述 | 第66-69页 |
| ·文本表示 | 第66-68页 |
| ·谱聚类集成 | 第68-69页 |
| ·基于数据竞争的文本谱聚类集成算法 | 第69-73页 |
| ·文本谱聚类集成聚类问题描述 | 第69-70页 |
| ·基于 DCA 的问题解决思路 | 第70-71页 |
| ·基于数据竞争的文本谱聚类集成算法描述 | 第71-73页 |
| ·实验设计与结果分析 | 第73-78页 |
| ·文本聚类评价指标 | 第73-74页 |
| ·实验设计与结果分析 | 第74-78页 |
| ·本章小结 | 第78-79页 |
| 第6章 基于聚合场模型的图像分割算法 | 第79-91页 |
| ·引言 | 第79-80页 |
| ·Mean Shift 算法简介 | 第80-84页 |
| ·基于数据竞争的图像分割算法 | 第84-87页 |
| ·图像特征选择 | 第84页 |
| ·基于数据竞争的图像分割算法描述 | 第84-85页 |
| ·实验设计与结果分析 | 第85-87页 |
| ·基于数据竞争的图像分割谱聚类集成算法 | 第87-90页 |
| ·基于数据竞争的图像分割谱聚类集成算法描述 | 第87-88页 |
| ·实验设计与结果分析 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 结论 | 第91-93页 |
| 参考文献 | 第93-106页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第106-107页 |
| 致谢 | 第107页 |