| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及研究意义 | 第8-10页 |
| ·国内外研究和应用现状 | 第10-13页 |
| ·本文的主要工作和章节安排 | 第13-14页 |
| 第二章 子空间聚类算法 | 第14-20页 |
| ·高维数据聚类分析 | 第14-15页 |
| ·高维数据的特点 | 第14页 |
| ·高维数据对传统聚类算法的影响 | 第14-15页 |
| ·高维数据聚类的解决方法 | 第15-16页 |
| ·特征变换 | 第15页 |
| ·特征选择 | 第15-16页 |
| ·子空间聚类算法 | 第16-18页 |
| ·自底向上的搜索方法 | 第17-18页 |
| ·自顶向下的搜索方法 | 第18页 |
| ·常用的子空间聚类算法 | 第18-19页 |
| ·CLIQUE 算法(Clustering In QUEst) | 第18-19页 |
| ·ENCLUS 算法(Entropy-based CLUStering) | 第19页 |
| ·PROCLUS 算法(PROjected CLUString) | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 软子空间聚类算法 | 第20-26页 |
| ·引言 | 第20-21页 |
| ·模糊加权软子空间聚类算法 | 第21-23页 |
| ·AWA 算法（Attribute Weighting Algorithm） | 第21页 |
| ·FWKM 算法(Feature Weighting K-means) | 第21-22页 |
| ·FSC 算法(Fuzzy Subspace Clustering) | 第22页 |
| ·模糊加权软子空间聚类的共同点 | 第22-23页 |
| ·熵加权软子空间聚类算法 | 第23-24页 |
| ·LAC 算法(Lcally Adaptive Clustering) | 第23页 |
| ·EWKM 算法(Entropy Weighting K-means Subspace Clustering) | 第23-24页 |
| ·模糊加权子空间中的类间分离度 | 第24页 |
| ·模糊类内紧度和类间分离度 | 第24页 |
| ·模糊加权类内紧度和类间分离度 | 第24页 |
| ·本章小结 | 第24-26页 |
| 第四章 增强的模糊加权软子空间聚类算法 | 第26-39页 |
| ·引言 | 第26页 |
| ·改进的目标函数 | 第26-27页 |
| ·理论结果与算法流程 | 第27-29页 |
| ·参数讨论 | 第29-30页 |
| ·实验研究 | 第30-38页 |
| ·模拟数据集 | 第31-32页 |
| ·UCI 数据集 | 第32-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 子空间可能性聚类 | 第39-49页 |
| ·引言 | 第39页 |
| ·改进的目标函数 | 第39-40页 |
| ·理论结果与算法流程 | 第40-42页 |
| ·参数讨论 | 第42-43页 |
| ·实验研究 | 第43-48页 |
| ·模拟数据集 | 第43-44页 |
| ·UCI 数据集 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结和展望 | 第49-51页 |
| ·论文工作总结 | 第49-50页 |
| ·未来工作展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第56页 |
