| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-24页 |
| 1.1 引言 | 第8-9页 |
| 1.2 大数据聚类算法的研究现状 | 第9-22页 |
| 1.2.1 K-means聚类算法 | 第12-14页 |
| 1.2.2 谱聚类算法 | 第14-17页 |
| 1.2.3 非负矩阵分解聚类算法 | 第17-20页 |
| 1.2.4 稀疏子空间聚类算法 | 第20-22页 |
| 1.3 本文的主要工作 | 第22-24页 |
| 2 连续非凸的K-means等价模型及优化解法 | 第24-44页 |
| 2.1 引言 | 第24页 |
| 2.2 连续约束的非凸优化模型 | 第24-30页 |
| 2.2.1 非凸优化模型的提出 | 第25-27页 |
| 2.2.2 与相关聚类模型的联系和区别 | 第27-29页 |
| 2.2.3 等价的约化罚模型 | 第29-30页 |
| 2.3 优化算法及收敛性分析 | 第30-36页 |
| 2.3.1 罚模型的ADMM算法框架 | 第31-34页 |
| 2.3.2 算法的复杂度与收敛性分析 | 第34-36页 |
| 2.4 数值实验 | 第36-42页 |
| 2.5 本章小结 | 第42-44页 |
| 3 基于K-means的大数据聚类快速算法 | 第44-52页 |
| 3.1 引言 | 第44页 |
| 3.2 大数据问题下的K-means快速算法 | 第44-47页 |
| 3.3 特征空间上的K-means改进算法 | 第47-49页 |
| 3.4 数值实验 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 4 基于稀疏非负矩阵分解的大数据聚类快速算法 | 第52-64页 |
| 4.1 引言 | 第52页 |
| 4.2 大数据问题下的稀疏非负矩阵分解的经典算法 | 第52-56页 |
| 4.2.1 交替非负最小二乘法 | 第53-54页 |
| 4.2.2 梯度下降算法 | 第54-56页 |
| 4.3 大数据问题下的稀疏非负矩阵分解的ADMM算法 | 第56-60页 |
| 4.4 数值实验 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 5 基于稀疏表示的一类扩展的数据聚类模型 | 第64-74页 |
| 5.1 引言 | 第64-65页 |
| 5.2 K-indicators聚类模型 | 第65-68页 |
| 5.3 SOS聚类模型 | 第68-70页 |
| 5.4 稀疏卷积表示模型 | 第70-72页 |
| 5.5 本章小结 | 第72-74页 |
| 6 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-86页 |
| 附录 | 第86页 |
| A．作者在攻读博士学位期间完成论文目录 | 第86页 |
| B．作者在攻读博士学位期间参加科研项目和学术会议情况 | 第86页 |