| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 论文的研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 多视图聚类算法现状 | 第13-14页 |
| 1.2.2 非负矩阵分解现状 | 第14页 |
| 1.2.3 聚类集成现状 | 第14-15页 |
| 1.3 本文的研究内容及结构安排 | 第15-17页 |
| 第2章 理论基础概述 | 第17-25页 |
| 2.1 聚类分析概述 | 第17-20页 |
| 2.1.1 聚类分析概念及意义 | 第17-18页 |
| 2.1.2 聚类算法的分类 | 第18-20页 |
| 2.2 非负矩阵分解概述 | 第20-21页 |
| 2.2.1 非负矩阵分解介绍 | 第20-21页 |
| 2.2.2 基于非负矩阵分解的K-means聚类算法介绍 | 第21页 |
| 2.3 多视图聚类分析概述 | 第21-23页 |
| 2.3.1 多视图聚类基本原理 | 第21-22页 |
| 2.3.2 基于NMF的多视图聚类 | 第22-23页 |
| 2.4 聚类集成概述 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于NMF的潜在特征学习多视图聚类算法(MVCS) | 第25-33页 |
| 3.1 引言 | 第25页 |
| 3.2 非负矩阵相似度判别算法(NMFCSJ)介绍 | 第25-26页 |
| 3.3 MVCS算法介绍 | 第26-32页 |
| 3.3.1 MVCS基本原理 | 第26-27页 |
| 3.3.2 MVCS优化过程 | 第27-29页 |
| 3.3.3 参数设置 | 第29-30页 |
| 3.3.4 MVCS收敛性 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于NMF的潜在特征整合多视图聚类算法(LFNMF) | 第33-43页 |
| 4.1 引言 | 第33页 |
| 4.2 多视图数据潜在特征介绍 | 第33-34页 |
| 4.3 LFNMF中相似度矩阵介绍 | 第34-35页 |
| 4.4 LFNMF算法基本原理 | 第35-37页 |
| 4.4.1 获取共有特征 | 第35-36页 |
| 4.4.2 获取互补特征 | 第36页 |
| 4.4.3 LFNMF目标函数 | 第36-37页 |
| 4.5 LFNMF算法优化过程 | 第37-39页 |
| 4.5.1 V~p和U~p的更新规则 | 第37页 |
| 4.5.2 W~p的更新规则 | 第37-38页 |
| 4.5.3 H的更新规则 | 第38-39页 |
| 4.6 优化过程分析 | 第39-41页 |
| 4.7 参数设置 | 第41-42页 |
| 4.8 本章小结 | 第42-43页 |
| 第5章 基于NMF的聚类集成算法(NBKCE) | 第43-48页 |
| 5.1 引言 | 第43页 |
| 5.2 NBKCE算法简介 | 第43-47页 |
| 5.2.1 NBKCE基本原理 | 第43-44页 |
| 5.2.2 NBKCE算法优化过程 | 第44-46页 |
| 5.2.3 NBKCE收敛性分析 | 第46-47页 |
| 5.3 本章小结 | 第47-48页 |
| 第6章 实验对比与分析 | 第48-59页 |
| 6.1 实验数据集 | 第48-49页 |
| 6.1.1 多视图数据集 | 第48页 |
| 6.1.2 单视图数据集 | 第48-49页 |
| 6.2 聚类评价指标 | 第49-51页 |
| 6.2.1 F-measure评价指标 | 第49-50页 |
| 6.2.2 NMI评价指标 | 第50页 |
| 6.2.3 RI评价指标 | 第50-51页 |
| 6.3 MVCS和LFNMF算法实验结果及分析 | 第51-55页 |
| 6.3.1 实验对比 | 第51页 |
| 6.3.2 实验结果 | 第51-55页 |
| 6.4 NBKCE实验结果及分析 | 第55-58页 |
| 6.5 本章小结 | 第58-59页 |
| 结论与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第67页 |
