密度峰聚类算法及其应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 课题研究现状 | 第9-10页 |
| 1.3 本文研究内容 | 第10-11页 |
| 1.4 论文结构 | 第11-13页 |
| 第二章 相关理论基础 | 第13-17页 |
| 2.1 密度峰聚类算法 | 第13-15页 |
| 2.1.1 引言 | 第13页 |
| 2.1.2 样本密度计算 | 第13-14页 |
| 2.1.3 决策图 | 第14页 |
| 2.1.4 样本分配机制 | 第14-15页 |
| 2.1.5 算法步骤描述与分析 | 第15页 |
| 2.2 聚类有效性评价 | 第15-17页 |
| 第三章 自动确定聚类中心的密度峰聚类 | 第17-29页 |
| 3.1 引言 | 第17-18页 |
| 3.2 算法思想 | 第18-21页 |
| 3.2.1 自动查找拐点 | 第18-20页 |
| 3.2.2 自动确定聚类中心 | 第20-21页 |
| 3.3 算法步骤 | 第21-22页 |
| 3.4 算法时间复杂度分析 | 第22页 |
| 3.5 实验结果与分析 | 第22-28页 |
| 3.5.1 人工数据集 | 第22-26页 |
| 3.5.2 真实数据集 | 第26-27页 |
| 3.5.3 算法运行效率分析 | 第27-28页 |
| 3.6 本章小结 | 第28-29页 |
| 第四章 基于密度自适应距离的密度峰聚类 | 第29-41页 |
| 4.1 引言 | 第29-30页 |
| 4.2 算法思想 | 第30-33页 |
| 4.2.1 自适应相似度 | 第30-31页 |
| 4.2.2 密度自适应距离 | 第31-33页 |
| 4.3 算法步骤 | 第33页 |
| 4.4 算法分析 | 第33-35页 |
| 4.4.1 算法参数分析 | 第33-34页 |
| 4.4.2 算法时间复杂度分析 | 第34-35页 |
| 4.5 实验结果与分析 | 第35-39页 |
| 4.5.1 人工数据集 | 第35-37页 |
| 4.5.2 真实数据集 | 第37-39页 |
| 4.5.3 算法运行效率分析 | 第39页 |
| 4.6 本章小结 | 第39-41页 |
| 第五章 基于K近邻的密度峰聚类 | 第41-54页 |
| 5.1 引言 | 第41-43页 |
| 5.2 算法思想 | 第43-45页 |
| 5.2.1 样本密度计算 | 第43页 |
| 5.2.2 样本分配机制 | 第43-44页 |
| 5.2.3 子簇合并 | 第44-45页 |
| 5.3 算法步骤 | 第45-46页 |
| 5.4 算法时间复杂度分析 | 第46页 |
| 5.5 实验结果与分析 | 第46-53页 |
| 5.5.1 人工数据集 | 第46-50页 |
| 5.5.2 真实数据集 | 第50-52页 |
| 5.5.3 算法运行效率分析 | 第52-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第六章 密度峰聚类算法在图像聚类中的应用 | 第54-60页 |
| 6.1 引言 | 第54页 |
| 6.2 图像特征提取 | 第54-56页 |
| 6.2.1 HSV颜色空间模型 | 第54-55页 |
| 6.2.2 局部二值模式 | 第55页 |
| 6.2.3 方向梯度直方图 | 第55-56页 |
| 6.3 图像聚类算法步骤 | 第56页 |
| 6.4 实验结果与分析 | 第56-59页 |
| 6.4.1 图像数据库 | 第56-57页 |
| 6.4.2 结果与分析 | 第57-59页 |
| 6.5 本章小结 | 第59-60页 |
| 第七章 主要结论与展望 | 第60-62页 |
| 7.1 主要结论 | 第60页 |
| 7.2 展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第66页 |
