基于主动数据选取的半监督自适应聚类算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-10页 |
| ·研究内容 | 第10页 |
| ·论文结构说明 | 第10-12页 |
| 第二章 相关知识 | 第12-26页 |
| ·聚类概述 | 第12-17页 |
| ·数据预处理 | 第12-13页 |
| ·相似度定义 | 第13-15页 |
| ·聚类评价 | 第15-17页 |
| ·聚类算法 | 第17-20页 |
| ·基于连接的聚类 | 第17-19页 |
| ·基于中心点的聚类 | 第19页 |
| ·基于密度的聚类 | 第19-20页 |
| ·半监督聚类 | 第20-22页 |
| ·基于成对约束的半监督聚类 | 第20-21页 |
| ·基于标签数据的半监督聚类 | 第21-22页 |
| ·主动学习 | 第22-24页 |
| ·主动学习概述 | 第22-23页 |
| ·主动学习形式和查询策略 | 第23-24页 |
| ·空间索引结构 | 第24-25页 |
| ·空间索引概述 | 第24页 |
| ·PK-Tree | 第24-25页 |
| ·小结 | 第25-26页 |
| 第三章 基于主动数据选取的标签选取算法 | 第26-34页 |
| ·标签数据选取 | 第26-27页 |
| ·基于最小生成树的聚类 | 第27-28页 |
| ·基于主动学习的聚类 | 第28-30页 |
| ·主动聚类 | 第28-29页 |
| ·主动半监督聚类 | 第29-30页 |
| ·基于主动数据选取的标签数据选取算法 | 第30-33页 |
| ·基本定义 | 第30-31页 |
| ·算法设计 | 第31页 |
| ·算法描述 | 第31-33页 |
| ·时间复杂度 | 第33页 |
| ·空间复杂度 | 第33页 |
| ·小结 | 第33-34页 |
| 第四章 基于少量标签数据的半监督自适应聚类算法 | 第34-42页 |
| ·算法的提出 | 第34-36页 |
| ·K-Means系列聚类算法 | 第34-35页 |
| ·多密度数据集聚类 | 第35-36页 |
| ·不平衡数据集聚类 | 第36页 |
| ·KNN分类 | 第36-37页 |
| ·基于少量标签数据的自适应聚类 | 第37-41页 |
| ·基本定义 | 第37-38页 |
| ·算法设计 | 第38-39页 |
| ·算法描述 | 第39-40页 |
| ·时间复杂度 | 第40-41页 |
| ·空问复杂度 | 第41页 |
| ·小结 | 第41-42页 |
| 第五章 实验设计与分析 | 第42-49页 |
| ·实验设计 | 第42-44页 |
| ·实验步骤 | 第42-43页 |
| ·数据存储与预处理 | 第43-44页 |
| ·构建PK-Tree索引 | 第44页 |
| ·实验结果与分析 | 第44-48页 |
| ·IRIS数据集 | 第44-45页 |
| ·Wine数据集 | 第45页 |
| ·Ecoli数据集 | 第45-46页 |
| ·模拟不平衡数据集 | 第46-47页 |
| ·模拟多密度数据集 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·全文总结 | 第49页 |
| ·下一步研究方向 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 在学期间的研究成果 | 第54-55页 |
| 致谢 | 第55页 |
