| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 聚类算法概述 | 第11-18页 |
| 1.1.1 传统聚类算法 | 第11-16页 |
| 1.1.1.1 基于划分的聚类 | 第12页 |
| 1.1.1.2 基于层级的聚类 | 第12-13页 |
| 1.1.1.3 基于密度的聚类算法 | 第13-14页 |
| 1.1.1.4 基于模糊理论的聚类算法 | 第14-15页 |
| 1.1.1.5 基于网格的聚类算法 | 第15-16页 |
| 1.1.2 非线性聚类算法 | 第16-18页 |
| 1.1.2.1 基于核的聚类算法 | 第16页 |
| 1.1.2.2 基于密度和距离的聚类算法 | 第16-17页 |
| 1.1.2.3 基于支持向量的聚类算法 | 第17页 |
| 1.1.2.4 基于近邻传播的聚类算法 | 第17-18页 |
| 1.1.2.5 基于图论的聚类算法 | 第18页 |
| 1.2 半监督算法概述 | 第18-21页 |
| 1.2.1 基于生成模型的半监督算法 | 第19-20页 |
| 1.2.2 基于低密度划分的半监督算法 | 第20页 |
| 1.2.3 基于差异性的半监督算法 | 第20页 |
| 1.2.4 基于图论的半监督算法 | 第20-21页 |
| 1.3 本文主要工作及文章结构 | 第21-24页 |
| 第二章 混合k近邻图介绍 | 第24-31页 |
| 2.1 图论基础简介 | 第24-25页 |
| 2.1.1 图的表示 | 第24页 |
| 2.1.2 图的构建 | 第24-25页 |
| 2.2 k近邻图 | 第25-27页 |
| 2.3 互k近邻图 | 第27-29页 |
| 2.4 混合k近邻图 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于混合k近邻图的聚类算法(CHKNN) | 第31-56页 |
| 3.1 CHKNN相关定义 | 第31-33页 |
| 3.1.1 孤立点 | 第31-32页 |
| 3.1.2 双向子簇 | 第32页 |
| 3.1.3 单向连通子簇对 | 第32页 |
| 3.1.4 可合并子簇对 | 第32-33页 |
| 3.1.5 核心簇 | 第33页 |
| 3.2 CHKNN算法流程 | 第33-37页 |
| 3.3 CHKNN算法实验结果 | 第37-45页 |
| 3.3.1 CHKNN在人工数据集上的聚类效果 | 第37-41页 |
| 3.3.1.1 CHKNN的参数讨论 | 第38-40页 |
| 3.3.1.2 CHKNN的聚类结果 | 第40-41页 |
| 3.3.2 CHKNN与其他算法的比较 | 第41-44页 |
| 3.3.3 CHKNN算法在视频切分中的应用 | 第44-45页 |
| 3.4 内部评价指标KNNI | 第45-54页 |
| 3.4.1 KNNI指标的相关定义 | 第46-48页 |
| 3.4.1.1 MDBM | 第46-47页 |
| 3.4.1.2 M数据点对 | 第47页 |
| 3.4.1.3 区域 | 第47-48页 |
| 3.4.2 KNNI算法流程 | 第48-50页 |
| 3.4.3 KNNI实验结果 | 第50-54页 |
| 3.4.3.1 KNNI算法的参数讨论 | 第50-51页 |
| 3.4.3.2 KNNI指标在人工数据集上的结果 | 第51-52页 |
| 3.4.3.3 KNNI与其他内部指标的比较 | 第52-54页 |
| 3.5 本章小结 | 第54-56页 |
| 第四章 基于混合k近邻图的半监督算法(SSLHKNN) | 第56-65页 |
| 4.1 SSLHKNN算法流程 | 第56-59页 |
| 4.2 SSLHKNN算法效果 | 第59-64页 |
| 4.2.1 人工数据集介绍及SSLHKNN的参数讨论 | 第59-61页 |
| 4.2.2 SSLHKNN算法及其他半监督算法的比较 | 第61-64页 |
| 4.2.2.1 各半监督算法在人工数据集上的比较 | 第62-63页 |
| 4.2.2.2 各半监督算法在公开数据集上的比较 | 第63-64页 |
| 4.3 本章小节 | 第64-65页 |
| 第五章 总结和展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
