半监督聚类算法及其应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7-8页 |
| ·研究现状 | 第8-9页 |
| ·研究意义与目标 | 第9页 |
| ·论文结构 | 第9-11页 |
| 第二章 聚类理论基础 | 第11-25页 |
| ·距离学习 | 第11-13页 |
| ·数据间的相似性度量 | 第11-12页 |
| ·类间距离 | 第12-13页 |
| ·关联学习 | 第13-14页 |
| ·常用初始聚类中心方法及隶属度函数 | 第14页 |
| ·常用初始聚类中心方法 | 第14页 |
| ·隶属度函数 | 第14页 |
| ·常用聚类算法 | 第14-21页 |
| ·简单聚类 | 第15页 |
| ·层次聚类法 | 第15-16页 |
| ·K 均值聚类算法 | 第16-17页 |
| ·模糊C 均值聚类算法 | 第17-18页 |
| ·极大熵聚类 | 第18页 |
| ·自组织映射神经网络 | 第18-20页 |
| ·谱聚类 | 第20-21页 |
| ·评价准则 | 第21-25页 |
| ·度量致密度准则 | 第21-22页 |
| ·数据对划分评判准则 | 第22页 |
| ·CR 准则 | 第22-23页 |
| ·Davies-Bouldin 准则 | 第23页 |
| ·规范化Hubert’s Statistic | 第23-24页 |
| ·Dunn’s 准则 | 第24-25页 |
| 第三章 半监督模糊C 均值聚类 | 第25-32页 |
| ·研究意义 | 第25页 |
| ·模糊C 均值聚类算法 | 第25-26页 |
| ·半监督模糊C 均值聚类分析 | 第26-29页 |
| ·距离学习 | 第27页 |
| ·等约束和不等约束 | 第27-28页 |
| ·半监督模糊C 均值聚类算法 | 第28-29页 |
| ·实验及分析 | 第29-31页 |
| ·小结 | 第31-32页 |
| 第四章 半监督极大熵聚类 | 第32-37页 |
| ·研究的意义 | 第32页 |
| ·极大熵聚类算法 | 第32-33页 |
| ·半监督极大熵聚类算法 | 第33-34页 |
| ·实验及分析 | 第34-36页 |
| ·小结 | 第36-37页 |
| 第五章 半监督点密度加权模糊C 均值聚类 | 第37-42页 |
| ·研究意义 | 第37页 |
| ·点密度函数的加权系数的计算 | 第37页 |
| ·点密度加权模糊C 均值聚类 | 第37-39页 |
| ·半监督点密度加权模糊C 均值聚类分析 | 第39-40页 |
| ·实验及分析 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-44页 |
| ·总结 | 第42页 |
| ·展望 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第49页 |
