| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 数据挖掘的研究背景和意义 | 第12-13页 |
| 1.2 数据挖掘过程 | 第13页 |
| 1.3 数据挖掘研究现状 | 第13-19页 |
| 1.3.1 数据挖掘功能 | 第14-15页 |
| 1.3.2 数据挖掘分类 | 第15页 |
| 1.3.3 聚类算法分类 | 第15-17页 |
| 1.3.4 传统聚类算法 | 第17-18页 |
| 1.3.5 数据挖掘中聚类新算法 | 第18-19页 |
| 1.4 本文研究主要内容 | 第19-20页 |
| 1.5 本文组织机构 | 第20-21页 |
| 第二章 仿射传播聚类算法 | 第21-28页 |
| 2.1 仿射传播聚类算法 | 第21-24页 |
| 2.1.1 仿射传播聚类算法概述 | 第21-23页 |
| 2.1.2 改进的仿射传播聚类算法 | 第23-24页 |
| 2.2 半监督学习 | 第24-26页 |
| 2.2.1 半监督聚类算法 | 第24页 |
| 2.2.2 半监督仿射传播聚类算法 | 第24-26页 |
| 2.3 算法的评价指标 | 第26-27页 |
| 2.3.1 Fowlkes-Mallows指标 | 第26页 |
| 2.3.2 Silhouette指标 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于核函数的半监督仿射传播聚类算法 | 第28-33页 |
| 3.1 核函数 | 第28-29页 |
| 3.2 K-SAP算法 | 第29-30页 |
| 3.2.1 核函数的选择 | 第29-30页 |
| 3.2.2 K-SAP算法的步骤 | 第30页 |
| 3.3 实验结果与分析 | 第30-32页 |
| 3.3.1 数据信息 | 第30-31页 |
| 3.3.2 仿真结果 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于局部线性嵌入的半监督仿射传播聚类算法 | 第33-41页 |
| 4.1 引言 | 第33页 |
| 4.2 流形学习 | 第33-35页 |
| 4.3 基于局部线性嵌入的半监督仿射传播聚类算法 (LLE-SAP) | 第35-36页 |
| 4.3.1 重构误差成本函数 | 第35页 |
| 4.3.2 嵌入代价函数 | 第35页 |
| 4.3.3 LLE-SAP算法步骤 | 第35-36页 |
| 4.4 仿真实验 | 第36-40页 |
| 4.4.1 数据信息 | 第36-37页 |
| 4.4.2 仿真实验 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 基于差分进化的仿射传播聚类算法 | 第41-47页 |
| 5.1 引言 | 第41页 |
| 5.2 差分进化算法 | 第41-42页 |
| 5.2.1 初始化种群 | 第41-42页 |
| 5.2.2 变异操作 | 第42页 |
| 5.2.3 交叉操作 | 第42页 |
| 5.2.4 选择操作 | 第42页 |
| 5.3 DE-AP算法 | 第42-43页 |
| 5.4 仿真实验 | 第43-45页 |
| 5.4.1 数据信息 | 第43-44页 |
| 5.4.2 实验结果 | 第44-45页 |
| 5.5 本章小结 | 第45-47页 |
| 第六章 结论与展望 | 第47-49页 |
| 6.1 结论 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 附录 攻读硕士学位期间所发表的学术论文 | 第54页 |