| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景和意义 | 第12-16页 |
| 1.2 数据挖掘中聚类算法的研究现状 | 第16-19页 |
| 1.3 主要研究内容 | 第19-20页 |
| 1.4 本文的结构安排 | 第20-21页 |
| 第二章 图聚类相关技术 | 第21-34页 |
| 2.1 图的基本定义 | 第21-22页 |
| 2.2 图聚类问题概述 | 第22-27页 |
| 2.2.1 聚类基本概念 | 第22-23页 |
| 2.2.2 聚类数据结构 | 第23-24页 |
| 2.2.3 聚类相似度度量 | 第24-27页 |
| 2.3 图聚类算法分类 | 第27-31页 |
| 2.3.1 基于划分的聚类算法 | 第27-28页 |
| 2.3.2 基于层次的聚类算法 | 第28-29页 |
| 2.3.3 基于密度的聚类算法 | 第29-31页 |
| 2.3.4 基于模型的聚类算法 | 第31页 |
| 2.4 聚类有效性评价 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于属性融合的图聚类算法研究与改进 | 第34-50页 |
| 3.1 多层属性融合的网络模型构建 | 第34-40页 |
| 3.1.1 图聚类问题的提出 | 第34-36页 |
| 3.1.2 构建融合网络模型 | 第36-39页 |
| 3.1.3 动态属性增加 | 第39-40页 |
| 3.2 仿射传播聚类算法 | 第40-43页 |
| 3.3 基于多层属性融合的图聚类算法研究 | 第43-45页 |
| 3.4 基于多层属性融合的自适应权重分配图聚类算法研究 | 第45-49页 |
| 3.4.1 基于节点投票机制的权重更新 | 第45-47页 |
| 3.4.2 基于多层属性融合的自适应权重分配图聚类算法 | 第47-48页 |
| 3.4.3 算法分析 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 图聚类算法实验验证与分析 | 第50-66页 |
| 4.1 数据预处理 | 第50-54页 |
| 4.1.1 实验环境 | 第50页 |
| 4.1.2 数据分析与实验平台介绍 | 第50-54页 |
| 4.2 实验仿真设计 | 第54-56页 |
| 4.2.1 实验参数选择 | 第54-55页 |
| 4.2.2 二分查找算法 | 第55-56页 |
| 4.3 聚类结果分析 | 第56-65页 |
| 4.3.1 聚类簇有效性评价 | 第57-64页 |
| 4.3.2 算法性能分析 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 内容总结 | 第66-67页 |
| 5.2 研究展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士期间取得的成果 | 第73-74页 |