基于自适应近邻的多路p-谱聚类算法研究
| 致谢 | 第3-5页 |
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第15-26页 |
| 1.1 课题来源 | 第15页 |
| 1.2 研究背景及意义 | 第15-17页 |
| 1.3 国内外研究现状 | 第17-24页 |
| 1.4 本文研究工作 | 第24-25页 |
| 1.5 论文组织结构 | 第25-26页 |
| 2 基础理论 | 第26-33页 |
| 2.1 图划分准则 | 第26-28页 |
| 2.2 p-拉普拉斯算子 | 第28-29页 |
| 2.3 p-拉普拉斯算子与齐格切的关系 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 基于自适应近邻的p-谱聚类算法 | 第33-42页 |
| 3.1 自适应局部尺度参数 | 第33-35页 |
| 3.2 基于自适应近邻的p-谱聚类算法 | 第35-37页 |
| 3.3 实验及结果分析 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于PCA技术的自适应p-谱聚类算法 | 第42-53页 |
| 4.1 主成分分析技术 | 第42-43页 |
| 4.2 基于PCA技术的自适应p-谱聚类算法 | 第43-44页 |
| 4.3 聚类评价方法 | 第44-47页 |
| 4.4 实验及结果分析 | 第47-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 多路的p-谱聚类算法 | 第53-63页 |
| 5.1 基于共享近邻的局部尺度参数 | 第53-54页 |
| 5.2 经典谱聚类NJW算法 | 第54-56页 |
| 5.3 多路的p-谱聚类算法 | 第56-58页 |
| 5.4 实验及结果分析 | 第58-62页 |
| 5.5 本章小结 | 第62-63页 |
| 6 总结和展望 | 第63-66页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 作者简历 | 第71-73页 |
| 学位论文数据集 | 第73页 |
