支持向量机与K-均值聚类融合算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-11页 |
| ·论文研究的背景及意义 | 第8-9页 |
| ·本文的研究内容及组织结构 | 第9-11页 |
| ·研究内容 | 第9-10页 |
| ·组织结构 | 第10-11页 |
| 2 支持向量机理论 | 第11-22页 |
| ·基于二次规划的支持向量机分类 | 第11-16页 |
| ·线性可分 | 第11-13页 |
| ·线性不可分 | 第13-16页 |
| ·一类分类 | 第16页 |
| ·基于线性规划的支持向量机分类 | 第16-18页 |
| ·基于模糊隶属度的支持向量机去噪方法 | 第18-22页 |
| ·构造隶属度函数 | 第18-19页 |
| ·实现步骤 | 第19页 |
| ·实验分析 | 第19-21页 |
| ·实验总结 | 第21-22页 |
| 3 K-均值聚类算法 | 第22-36页 |
| ·划分聚类算法概述 | 第22-23页 |
| ·聚类分析中数据类型 | 第23-24页 |
| ·聚类分析中相似度度量方法 | 第24-26页 |
| ·聚类分析中聚类准则函数 | 第26-28页 |
| ·K-均值聚类算法 | 第28-31页 |
| ·K-均值聚类算法简介 | 第28页 |
| ·K-均值聚类算法基本思想及算法流程 | 第28-29页 |
| ·K-均值聚类算法的特点和存在的问题 | 第29-30页 |
| ·K-均值聚类算法初值的选取方法 | 第30-31页 |
| ·基于支持向量机的K-均值聚类算法 | 第31-36页 |
| ·算法简介 | 第32-33页 |
| ·实现步骤 | 第33页 |
| ·实验分析 | 第33-34页 |
| ·实验总结 | 第34-36页 |
| 4 总结与展望 | 第36-37页 |
| 参考文献 | 第37-39页 |
| 致谢 | 第39-40页 |
| 附录 攻读硕士学位期间发表的学术论文 | 第40页 |
