半监督聚类分析策略设计及其拓展性研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 图清单 | 第10-11页 |
| 表清单 | 第11-12页 |
| 第一章 绪论 | 第12-17页 |
| ·引言 | 第12页 |
| ·半监督聚类的研究意义 | 第12-14页 |
| ·半监督聚类的主要难点 | 第14-15页 |
| ·论文的主要研究工作 | 第15-17页 |
| ·贡献与创新 | 第15-16页 |
| ·论文的结构安排 | 第16-17页 |
| 第二章 半监督聚类方法 | 第17-28页 |
| ·机器学习中的几个概念 | 第17-18页 |
| ·两种先验信息 | 第18页 |
| ·半监督聚类算法的分类 | 第18-27页 |
| ·线性半监督聚类算法 | 第19-25页 |
| ·非线性半监督聚类算法 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 判别型半监督聚类分析 | 第28-44页 |
| ·引言 | 第28-29页 |
| ·LDA | 第29-30页 |
| ·相关工作讨论 | 第30-31页 |
| ·判别型半监督聚类分析 | 第31-38页 |
| ·初始化 | 第32-34页 |
| ·基于成对约束的K 均值聚类 | 第34-37页 |
| ·基于成对约束的判别型半监督聚类算法 | 第37-38页 |
| ·实验及其分析 | 第38-43页 |
| ·PCBKM 与CDBSSC 的比较 | 第38-39页 |
| ·DSCA 与其他相关半监督算法的比较 | 第39-41页 |
| ·成对约束对DSCA 性能的影响 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于度量学习的自适应半监督核方法 | 第44-66页 |
| ·引言 | 第44-45页 |
| ·背景知识 | 第45-46页 |
| ·基于度量学习的自适应半监督聚类核方法 | 第46-52页 |
| ·非线性自适应度量学习 | 第46-50页 |
| ·高斯核参数的估计 | 第50-51页 |
| ·基于成对约束的核K 均值方法（PCBKMM） | 第51-52页 |
| ·SCKMM 方法 | 第52页 |
| ·实验部分 | 第52-64页 |
| ·成对约束违反问题的实验 | 第53-54页 |
| ·SCKMM 与其它代表性算法的比较 | 第54-59页 |
| ·正则化参数的研究 | 第59-60页 |
| ·半监督聚类方法鲁棒性的研究 | 第60-64页 |
| ·本章小结 | 第64-66页 |
| 第五章 基于判别分析的正则化软K 均值 | 第66-90页 |
| ·引言 | 第66-68页 |
| ·背景知识 | 第68-71页 |
| ·判别分析与K 均值聚类 | 第68-70页 |
| ·基于聚类的判别K 均值 | 第70-71页 |
| ·基于判别分析的正则化软K 均值 | 第71-77页 |
| ·正则化软K 均值 | 第71-72页 |
| ·广义的线性判别分析 | 第72-75页 |
| ·ResKmeans 方法 | 第75-77页 |
| ·实验部分 | 第77-89页 |
| ·数据集 | 第77-79页 |
| ·聚类评价度量 | 第79页 |
| ·与相关方法的比较 | 第79-87页 |
| ·各个方法得分比较 | 第87-89页 |
| ·本章小结 | 第89-90页 |
| 第六章 总结与展望 | 第90-93页 |
| ·全文总结 | 第90-91页 |
| ·存在的问题和后续工作的展望 | 第91-93页 |
| 参考文献 | 第93-105页 |
| 致谢 | 第105-106页 |
| 在学期间的研究成果及发表的学术论文 | 第106-107页 |
