| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 选题背景及意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 聚类分析的研究现状 | 第13-15页 |
| 1.2.2 维数约简的研究现状 | 第15-16页 |
| 1.3 本文研究内容及安排 | 第16-17页 |
| 第二章 聚类 | 第17-29页 |
| 2.1 常见聚类分析算法 | 第17-19页 |
| 2.1.1 基于层次的聚类算法 | 第17-18页 |
| 2.1.2 基于划分的聚类算法 | 第18-19页 |
| 2.1.3 基于密度的聚类算法 | 第19页 |
| 2.1.4 基于网格的聚类算法 | 第19页 |
| 2.1.5 基于模型的聚类算法 | 第19页 |
| 2.2 聚类分析的主要步骤 | 第19-20页 |
| 2.3 基于低秩的谱聚类算法 | 第20-24页 |
| 2.3.1 低秩表示概述 | 第20-22页 |
| 2.3.2 构建无向图及图划分准则 | 第22-23页 |
| 2.3.3 基于低秩的谱聚类算法 | 第23-24页 |
| 2.4 实验仿真及分析 | 第24-27页 |
| 2.4.1 数据库介绍 | 第24页 |
| 2.4.2 聚类评价指标 | 第24-25页 |
| 2.4.3 实验结果与分析 | 第25-27页 |
| 2.5 小结 | 第27-29页 |
| 第三章 基于邻域标签传播的有约束k-means聚类 | 第29-45页 |
| 3.1 有约束k-means聚类 | 第29-33页 |
| 3.1.1 k-means聚类算法简单介绍 | 第29-30页 |
| 3.1.2 半监督聚类分析 | 第30-31页 |
| 3.1.3 有约束k-means聚类算法(cop-kmeans) | 第31-33页 |
| 3.2 主成分分析 | 第33-35页 |
| 3.2.1 主成分分析的目标函数 | 第33-35页 |
| 3.3 基于邻域标签传播的有约束k-means聚类 | 第35-37页 |
| 3.3.1 邻域标签传播思想 | 第35-36页 |
| 3.3.2 算法思想 | 第36页 |
| 3.3.3 算法步骤 | 第36-37页 |
| 3.4 实验仿真结果与分析 | 第37-43页 |
| 3.4.1 数据库介绍 | 第37-39页 |
| 3.4.2 实验仿真结果及分析 | 第39-43页 |
| 3.4.3 有标签样本的邻域选择对NLPCC的影响 | 第43页 |
| 3.5 小结 | 第43-45页 |
| 第四章 基于邻域嵌入的自适应降维聚类算法 | 第45-55页 |
| 4.1 基于判别分析的自适应降维k-means聚类 | 第45-47页 |
| 4.1.1 LDA和k-means | 第45-46页 |
| 4.1.2 LDA-Km目标函数和算法步骤 | 第46-47页 |
| 4.2 基于邻域嵌入LDA-CNPkm | 第47-50页 |
| 4.2.1 算法思想及步骤 | 第48-50页 |
| 4.3 实验仿真及结果 | 第50-52页 |
| 4.3.1 数据库介绍 | 第50页 |
| 4.3.2 实验仿真结果及分析 | 第50-52页 |
| 4.4 小结 | 第52-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 作者简介 | 第63页 |
