吸引子传播聚类算法的理论改进及其应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 选题背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外关于吸引子传播算法的研究 | 第9-10页 |
| 1.2.2 国内关于吸引子传播算法的研究 | 第10-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本文主要创新点 | 第13-14页 |
| 第2章 基础理论概述 | 第14-25页 |
| 2.1 机器学习理论 | 第14-17页 |
| 2.1.1 机器学习简介 | 第14-15页 |
| 2.1.2 半监督学习 | 第15-17页 |
| 2.2 吸引子传播聚类算法 | 第17-21页 |
| 2.2.1 算法原理 | 第17-19页 |
| 2.2.2 算法重要参数 | 第19-21页 |
| 2.2.3 算法面临的问题 | 第21页 |
| 2.3 果蝇优化算法 | 第21-24页 |
| 2.3.1 算法原理 | 第21-22页 |
| 2.3.2 算法过程描述 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于果蝇优化算法的吸引子传播聚类算法 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 基于果蝇优化算法的吸引子传播聚类算法 | 第25-33页 |
| 3.2.1 算法简介 | 第25-27页 |
| 3.2.2 聚类评价指标 | 第27-29页 |
| 3.2.3 实验模拟与结果分析 | 第29-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 半监督自适应权重吸引子传播聚类算法 | 第34-43页 |
| 4.1 引言 | 第34页 |
| 4.2 半监督自适应权重法 | 第34-37页 |
| 4.2.1 半监督聚类 | 第34-35页 |
| 4.2.2 自适应权重 | 第35-37页 |
| 4.3 半监督自适应权重吸引子传播聚类算法 | 第37-38页 |
| 4.4 实验模拟与结果分析 | 第38-41页 |
| 4.5 本章小结 | 第41-43页 |
| 第5章 引入变异度的吸引子传播聚类算法 | 第43-50页 |
| 5.1 引言 | 第43页 |
| 5.2 引入变异度的吸引子传播聚类算法 | 第43-44页 |
| 5.2.1 算法基本原理 | 第43-44页 |
| 5.2.2 算法流程 | 第44页 |
| 5.3 算法在政府网站聚类评价中的应用 | 第44-48页 |
| 5.3.1 数据的选取及处理 | 第44-46页 |
| 5.3.2 实验结果分析 | 第46-48页 |
| 5.4 本章小结 | 第48-50页 |
| 第6章 结论与展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间发表的科研成果 | 第57-58页 |
| 致谢 | 第58页 |
