面向含噪数据聚类相关算法的研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 引言 | 第8-15页 |
| 1.1 研究背景与动机 | 第8-9页 |
| 1.2 研究近况 | 第9-13页 |
| 1.2.1 含噪聚类特征选择 | 第9-12页 |
| 1.2.2 含噪聚类算法 | 第12-13页 |
| 1.3 本文工作 | 第13-14页 |
| 1.4 文章结构 | 第14-15页 |
| 第二章 聚类特征选择一般过程 | 第15-23页 |
| 2.1 产生过程 | 第17-20页 |
| 2.1.1 随机搜索 | 第17-18页 |
| 2.1.2 启发式搜索 | 第18-19页 |
| 2.1.3 完全搜索 | 第19-20页 |
| 2.2 评价函数 | 第20-22页 |
| 2.2.1 相关性 | 第20-21页 |
| 2.2.2 距离 | 第21页 |
| 2.2.3 信息增益 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 筛选类聚类特征选择 | 第23-30页 |
| 3.1 Laplacian Score | 第23-24页 |
| 3.1.1 LS原理 | 第23-24页 |
| 3.1.2 LS分析 | 第24页 |
| 3.2 SRANK | 第24-26页 |
| 3.2.1 SRANK原理 | 第25页 |
| 3.2.2 SRANK分析 | 第25-26页 |
| 3.3 RELIEF-C | 第26-27页 |
| 3.3.1 RELIEF | 第26页 |
| 3.3.2 RELIEF-C算法 | 第26-27页 |
| 3.3.3 RELIEF-C分析 | 第27页 |
| 3.4 ClosestFS | 第27-28页 |
| 3.4.1 特征的元组描述 | 第27-28页 |
| 3.4.2 ClosestFS算法 | 第28页 |
| 3.4.3 ClosestFS分析 | 第28页 |
| 3.5 特征子集的生成 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第四章 聚类特征选择算法 | 第30-36页 |
| 4.1 提出采样稳定的方案 | 第30-31页 |
| 4.2 提出新的特征描述方法 | 第31-32页 |
| 4.3 特征选择算法描述 | 第32-34页 |
| 4.4 合理性讨论 | 第34-35页 |
| 4.4.1 对比相关系数 | 第34-35页 |
| 4.4.2 对比LS | 第35页 |
| 4.5 算法总结 | 第35页 |
| 4.6 本章小结 | 第35-36页 |
| 第五章 特征选择算法对比实验 | 第36-42页 |
| 5.1 仿真数据实验 | 第37-38页 |
| 5.2 真实数据实验 | 第38-41页 |
| 5.3 本章小结 | 第41-42页 |
| 第六章 含噪数据的聚类 | 第42-51页 |
| 6.1 研究动机 | 第42页 |
| 6.2 DBSCAN聚类算法 | 第42-43页 |
| 6.3 OPTICS聚类算法 | 第43-45页 |
| 6.4 DLCKDT聚类算法 | 第45-46页 |
| 6.5 谱聚类 | 第46-47页 |
| 6.6 聚类算法原理 | 第47-48页 |
| 6.7 聚类算法描述 | 第48-50页 |
| 6.8 合理性讨论 | 第50页 |
| 6.9 本章小结 | 第50-51页 |
| 第七章 聚类算法对比实验 | 第51-56页 |
| 7.1 仿真数据实验 | 第51-53页 |
| 7.2 真实数据实验 | 第53-55页 |
| 7.3 本章小结 | 第55-56页 |
| 第八章 总结与展望 | 第56-58页 |
| 8.1 总结 | 第56-57页 |
| 8.2 展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录 | 第63-65页 |
| 致谢 | 第65-66页 |
