选择性聚类融合算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-32页 |
| ·选题背景和意义 | 第12-15页 |
| ·相关知识概述 | 第15-24页 |
| ·数据降维 | 第15-17页 |
| ·聚类和聚类融合 | 第17-19页 |
| ·选择性聚类融合 | 第19-24页 |
| ·国内外研究现状 | 第24-29页 |
| ·论文的主要工作 | 第29-30页 |
| ·论文的组织结构 | 第30-32页 |
| 2 数据降维模型及其优化算法研究 | 第32-45页 |
| ·引言 | 第32-33页 |
| ·联合L1范数和迹范数的数据降维模型 | 第33-34页 |
| ·基于增强拉格朗日乘子的优化算法 | 第34-37页 |
| ·最优解问题 | 第35-37页 |
| ·参数更新问题 | 第37页 |
| ·算法框架与算法分析 | 第37-40页 |
| ·算法框架 | 第37-38页 |
| ·算法分析 | 第38-40页 |
| ·实验分析 | 第40-44页 |
| ·UCI公共数据集测试 | 第40-41页 |
| ·人脸数据集测试 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 3 选择性聚类融合算法研究 | 第45-66页 |
| ·引言 | 第45-46页 |
| ·选择策略研究 | 第46-52页 |
| ·参照成员的选择 | 第50-51页 |
| ·联合聚类质量和差异度的选择策略 | 第51-52页 |
| ·基于容错关系信息熵的属性重要性加权 | 第52-53页 |
| ·算法框架和算法分析 | 第53-55页 |
| ·实验结果和分析 | 第55-60页 |
| ·算法参数分析 | 第60-64页 |
| ·聚类簇数优化 | 第60-63页 |
| ·平衡因子分析 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 4 基于非负矩阵分解的融合函数研究 | 第66-84页 |
| ·引言 | 第66-67页 |
| ·基于非负矩阵分解的选择性聚类融合算法 | 第67-73页 |
| ·相关理论 | 第67-68页 |
| ·基于NMF聚类融合算法 | 第68-70页 |
| ·基于谱聚类的聚类成员分组选择算法 | 第70-72页 |
| ·算法框架 | 第72-73页 |
| ·基于二进制矩阵分解的聚类融合算法 | 第73-78页 |
| ·BMF优化算法 | 第73-75页 |
| ·基于BMF的聚类融合算法 | 第75-78页 |
| ·实验分析与比较 | 第78-83页 |
| ·公共数据集比较分析 | 第80-81页 |
| ·文本数据集比较分析 | 第81-82页 |
| ·人工数据集比较分析 | 第82-83页 |
| ·本章小结 | 第83-84页 |
| 5 利用选择性聚类融合解决多聚类问题 | 第84-99页 |
| ·引言 | 第84-86页 |
| ·基于选择性聚类融合的多聚类算法 | 第86-93页 |
| ·聚类成员相似性的衡量 | 第88-91页 |
| ·层次树的构建和分割 | 第91-92页 |
| ·MC-CES算法框架 | 第92-93页 |
| ·实验分析与比较 | 第93-97页 |
| ·MC-CES算法与其他聚类融合算法的比较 | 第94-95页 |
| ·多个聚类结果比较分析 | 第95-96页 |
| ·与元聚类算法比较分析 | 第96-97页 |
| ·本章小结 | 第97-99页 |
| 6 总结与展望 | 第99-104页 |
| ·总结 | 第99-100页 |
| ·展望 | 第100-104页 |
| 参考文献 | 第104-115页 |
| 攻读博士学位期间主要的研究成果目录 | 第115-117页 |
| 致谢 | 第117页 |
