| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 聚类方法研究现状 | 第10-11页 |
| 1.2.2 熵聚类和互信息聚类研究现状 | 第11-12页 |
| 1.3 研究目的和意义 | 第12-13页 |
| 1.4 本文内容 | 第13页 |
| 1.5 本文结构安排 | 第13-15页 |
| 第二章 聚类分析和信息熵理论 | 第15-27页 |
| 2.1 聚类分析 | 第15-20页 |
| 2.1.1 聚类分析概述 | 第15-16页 |
| 2.1.2 聚类定义 | 第16-17页 |
| 2.1.3 聚类的性能度量 | 第17-18页 |
| 2.1.4 相似性度量 | 第18-20页 |
| 2.1.5 聚类算法分类 | 第20页 |
| 2.2 信息论相关基本内容 | 第20-23页 |
| 2.2.1 信息熵 | 第21-22页 |
| 2.2.2 联合熵 | 第22页 |
| 2.2.3 条件熵 | 第22页 |
| 2.2.4 互信息 | 第22-23页 |
| 2.3 熵的估计方法 | 第23-25页 |
| 2.3.1 直方图方法 | 第23-24页 |
| 2.3.2 Parzen窗口法 | 第24页 |
| 2.3.3 高斯核函数估计 | 第24-25页 |
| 2.3.4 最邻近估计法 | 第25页 |
| 2.3.5 最小生成树估计法 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 基于Grassberger熵估计的互信息层次聚类算法 | 第27-36页 |
| 3.1 信息熵估计 | 第27-28页 |
| 3.1.1 朴素熵估计方法 | 第27-28页 |
| 3.1.2 Miller熵估计方法 | 第28页 |
| 3.2 基于互信息的层次聚类 | 第28-32页 |
| 3.2.1 层次聚类概述 | 第28-29页 |
| 3.2.2 类簇间距离度量准则 | 第29-31页 |
| 3.2.3 基于互信息的层次聚类 | 第31页 |
| 3.2.4 基于互信息的距离度量 | 第31-32页 |
| 3.3 基于Grassberger熵估计的互信息层次聚类 | 第32-35页 |
| 3.3.1 基于Grassberger熵估计的互信息估算方法 | 第32-34页 |
| 3.3.2 基于Grassberger熵估计的互信息层次聚类 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 生物医学实验结果与分析 | 第36-45页 |
| 4.1 实验方法 | 第36-37页 |
| 4.2 实验数据集 | 第37-38页 |
| 4.3 实验环境与评价指标 | 第38-39页 |
| 4.4 实验数据处理 | 第39-40页 |
| 4.5 实验结果与分析 | 第40-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-46页 |
| 5.1 工作内容总结 | 第45页 |
| 5.2 研究展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 在学期间的研究成果 | 第50-51页 |
| 致谢 | 第51页 |
