一种基于主动学习的半监督谱聚类算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第13-18页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 相关研究现状 | 第15-16页 |
| 1.3 本文的研究内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 2 聚类分析技术 | 第18-33页 |
| 2.1 数据挖掘技术 | 第18-23页 |
| 2.2 聚类分析 | 第23-30页 |
| 2.3 K-means聚类 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 谱聚类理论及算法 | 第33-43页 |
| 3.1 谱图理论 | 第33页 |
| 3.2 图划分准则 | 第33-36页 |
| 3.3 相似矩阵、度矩阵及Laplacian矩阵 | 第36页 |
| 3.4 谱聚类算法 | 第36-41页 |
| 3.5 谱聚类算法存在的问题 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 4 基于主动学习的半监督谱聚类算法 | 第43-54页 |
| 4.1 半监督学习 | 第43-46页 |
| 4.2 半监督聚类 | 第46-49页 |
| 4.3 主动学习策略 | 第49页 |
| 4.4 基于成对约束的主动学习方法 | 第49-51页 |
| 4.5 基于主动学习的半监督谱聚类算法 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 5 实验结果及分析 | 第54-62页 |
| 5.1 实验流程设计 | 第54页 |
| 5.2 实验评判标准 | 第54-55页 |
| 5.3 实验数据选取 | 第55页 |
| 5.4 人工数据集上的实验对比 | 第55-59页 |
| 5.5 UCI数据集上的实验对比 | 第59-61页 |
| 5.6 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者简历 | 第67-69页 |
| 学位论文数据集 | 第69页 |
