簇间距离自适应的软子空间聚类算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文工作 | 第14-17页 |
| 1.3.1 主要工作 | 第14-15页 |
| 1.3.2 论文结构 | 第15-17页 |
| 2 子空间聚类相关技术 | 第17-32页 |
| 2.1 聚类分析 | 第17-23页 |
| 2.1.1 相似性度量 | 第17-19页 |
| 2.1.2 基本步骤 | 第19-21页 |
| 2.1.3 高维数据聚类分析 | 第21-23页 |
| 2.2 子空间聚类 | 第23-28页 |
| 2.2.1 子空间聚类概述 | 第23-24页 |
| 2.2.2 特征加权技术 | 第24-25页 |
| 2.2.3 软子空间聚类 | 第25-26页 |
| 2.2.4 自适应技术的应用 | 第26-28页 |
| 2.3 k均值聚类算法 | 第28-31页 |
| 2.3.1 设计思想及步骤 | 第29页 |
| 2.3.2 自适应k-means聚类算法设计 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 簇间距离自适应的软子空间聚类算法 | 第32-43页 |
| 3.1 确定初始聚类中心 | 第32-34页 |
| 3.2 目标函数 | 第34-38页 |
| 3.3 算法实现 | 第38-40页 |
| 3.4 对比算法 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 实验及结果分析 | 第43-52页 |
| 4.1 实验环境 | 第43页 |
| 4.2 性能评价指标 | 第43-44页 |
| 4.3 实验及结果分析 | 第44-51页 |
| 4.3.1 控制系数取值范围分析 | 第44-47页 |
| 4.3.2 对比实验结果分析 | 第47-49页 |
| 4.3.3 确定初始聚类中心对比实验 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录A 算法部分代码 | 第57-64页 |
| 作者简历 | 第64-66页 |
| 学位论文数据集 | 第66-67页 |
