演化聚类算法研究及其应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第10-16页 |
| 1.1 机器学习 | 第10-11页 |
| 1.2 聚类 | 第11-12页 |
| 1.2.1 k-平均算法 | 第11-12页 |
| 1.2.2 谱聚类 | 第12页 |
| 1.3 半监督聚类 | 第12-14页 |
| 1.3.1 半监督聚类研究现状 | 第13页 |
| 1.3.2 半监督聚类经典算法 | 第13-14页 |
| 1.4 演化聚类的应用前景 | 第14-15页 |
| 1.5 本文研究内容和结构安排 | 第15-16页 |
| 1.5.1 本文主要研究内容 | 第15页 |
| 1.5.2 本文结构安排 | 第15-16页 |
| 第二章 演化数据聚类 | 第16-24页 |
| 2.1 演化聚类概述 | 第16-18页 |
| 2.1.1 演化数据 | 第16-17页 |
| 2.1.2 演化聚类 | 第17-18页 |
| 2.2 主流的演化聚类算法 | 第18-23页 |
| 2.2.1 演化k-means聚类 | 第18-19页 |
| 2.2.2 演化谱聚类 | 第19-20页 |
| 2.2.3 半监督演化聚类 | 第20-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于时间平滑性的演化聚类框架 | 第24-39页 |
| 3.1 基本定义 | 第24页 |
| 3.2 原始框架 | 第24-25页 |
| 3.3 框架改进 | 第25-26页 |
| 3.4 M_t的构造 | 第26-29页 |
| 3.4.1 Bregman散度 | 第27-28页 |
| 3.4.2 相似度计算 | 第28-29页 |
| 3.5 ESC算法 | 第29-33页 |
| 3.5.1 基于PCQ的演化谱聚类 | 第29-31页 |
| 3.5.2 基于PCM的演化谱聚类 | 第31-33页 |
| 3.6 实验与分析 | 第33-38页 |
| 3.6.1 数据集 | 第33-34页 |
| 3.6.2 评价标准 | 第34页 |
| 3.6.3 实验结果 | 第34-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第四章 演化的双层随机游走半监督聚类算法 | 第39-51页 |
| 4.1 双层随机游走半监督聚类 | 第39-41页 |
| 4.2 ESC算法 | 第41-45页 |
| 4.2.1 基本设置 | 第41页 |
| 4.2.2 t时刻的低层随机游走 | 第41-42页 |
| 4.2.3 t时刻高层随机游走 | 第42-43页 |
| 4.2.4 时间复杂度的分析 | 第43-44页 |
| 4.2.5 算法框架 | 第44-45页 |
| 4.3 实验与分析 | 第45-50页 |
| 4.3.1 数据集 | 第45页 |
| 4.3.2 实验设计 | 第45-46页 |
| 4.3.3 实验结果 | 第46-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 演化聚类应用 | 第51-61页 |
| 5.1 人脸聚类 | 第51-52页 |
| 5.2 相关技术 | 第52-53页 |
| 5.3 系统设计与实现 | 第53-60页 |
| 5.3.1 系统设计 | 第53页 |
| 5.3.2 系统实现 | 第53-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 全文总结 | 第61-62页 |
| 6.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文与参加的研究工作 | 第68-70页 |
