多视图矩阵分解的聚类分析
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.2.1 多视图聚类分析研究现状 | 第8页 |
| 1.2.2 集成聚类分析研究现状 | 第8-9页 |
| 1.3 本文的研究内容 | 第9-10页 |
| 1.4 本文的组织结构 | 第10-12页 |
| 2 理论基础概述 | 第12-20页 |
| 2.1 聚类分析概述 | 第12-13页 |
| 2.2 多视图聚类分析概述 | 第13-15页 |
| 2.2.1 多视图聚类分析 | 第13页 |
| 2.2.2 常见的多视图聚类方法 | 第13-15页 |
| 2.3 集成聚类算法概述 | 第15-17页 |
| 2.3.1 集成聚类分析 | 第15-16页 |
| 2.3.2 常见的集成聚类方法 | 第16-17页 |
| 2.4 多视图集成聚类算法概述 | 第17-18页 |
| 2.5 本章总结 | 第18-20页 |
| 3 基于矩阵分解的多视图聚类 | 第20-40页 |
| 3.1 引言 | 第20-21页 |
| 3.2 基于非负矩阵分解的特征学习方法 | 第21-23页 |
| 3.2.1 NMF特征学习方法 | 第21-23页 |
| 3.2.2 MultiNMF特征学习方法 | 第23页 |
| 3.3 MLN特征学习方法 | 第23-27页 |
| 3.3.1 局部结构正则化约束 | 第23-25页 |
| 3.3.2 目标方程的构建及求解 | 第25-27页 |
| 3.4 MLSN特征学习方法 | 第27-31页 |
| 3.4.1 SemiNMF特征学习方法 | 第27-28页 |
| 3.4.2 MLSN特征学习方法 | 第28-31页 |
| 3.5 实验设计与结果分析 | 第31-38页 |
| 3.5.1 实验设置 | 第31-34页 |
| 3.5.2 评估指标 | 第34-35页 |
| 3.5.3 实验结果与分析 | 第35-38页 |
| 3.6 本章总结 | 第38-40页 |
| 4 多视图矩阵分解的线索集聚聚类 | 第40-59页 |
| 4.1 引言 | 第40-42页 |
| 4.2 加权的线索集聚聚类算法 | 第42-45页 |
| 4.2.1 线索集聚聚类算法 | 第42-43页 |
| 4.2.2 WEAC算法 | 第43-45页 |
| 4.3 GLWEA算法 | 第45-50页 |
| 4.3.1 LWEA算法 | 第45-46页 |
| 4.3.2 GLWEA算法 | 第46-50页 |
| 4.4 LEMGSN算法和GLEMGSN算法 | 第50-52页 |
| 4.5 实验设计和结果分析 | 第52-57页 |
| 4.5.1 集成聚类实验设计和结果分析 | 第52-56页 |
| 4.5.2 多视图集成聚类实验设计与结果分析 | 第56-57页 |
| 4.6 本章总结 | 第57-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-69页 |
