| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第17-29页 |
| 1.1 课题来源 | 第17页 |
| 1.2 背景与意义 | 第17-18页 |
| 1.3 国内外研究现状 | 第18-24页 |
| 1.4 存在的问题及本文研究的重点 | 第24-26页 |
| 1.5 本文的主要研究内容和组织结构 | 第26-29页 |
| 2 相关基础理论 | 第29-43页 |
| 2.1 聚类基础 | 第29-38页 |
| 2.2 密度聚类算法 | 第38-40页 |
| 2.3 密度峰值聚类算法 | 第40-42页 |
| 2.5 小结 | 第42-43页 |
| 3 基于k近邻和主成分分析的密度峰值聚类 | 第43-55页 |
| 3.1 引言 | 第43页 |
| 3.2 k近邻和主成分分析 | 第43-44页 |
| 3.3 基于k近邻的密度峰值聚类 | 第44-45页 |
| 3.4 基于k近邻和主成分分析的密度峰值聚类 | 第45-47页 |
| 3.5 实验分析 | 第47-54页 |
| 3.6 小结 | 第54-55页 |
| 4 基于测地距离的密度峰值聚类 | 第55-71页 |
| 4.1 引言 | 第55-56页 |
| 4.2 测地距离 | 第56页 |
| 4.3 基于测地距离的密度峰值聚类 | 第56-58页 |
| 4.4 实验分析 | 第58-70页 |
| 4.5 小结 | 第70-71页 |
| 5 基于局部密度敏感和密度自适应度量的密度峰值聚类 | 第71-91页 |
| 5.1 引言 | 第71-72页 |
| 5.2 基于密敏感的局部密度计算 | 第72-73页 |
| 5.3 密度自适应度量 | 第73-76页 |
| 5.4 基于局部密度敏感和密度自适应度量的密度峰值聚类算法 | 第76-77页 |
| 5.5 实验分析 | 第77-90页 |
| 5.6 小结 | 第90-91页 |
| 6 针对混合型数据的密度峰值聚类 | 第91-123页 |
| 6.1 引言 | 第91-92页 |
| 6.2 基于熵的相似度度量 | 第92-95页 |
| 6.3 针对混合型数据的密度峰值聚类算法 | 第95-99页 |
| 6.4 实验分析 | 第99-122页 |
| 6.5 小结 | 第122-123页 |
| 7 总结与展望 | 第123-125页 |
| 7.1 总结 | 第123-124页 |
| 7.2 展望 | 第124-125页 |
| 参考文献 | 第125-135页 |
| 作者简历 | 第135-138页 |
| 学位论文数据集 | 第138页 |