谱聚类算法的研究及其应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文的主要工作及结构安排 | 第13-16页 |
| 第2章 谱聚类的相关理论研究 | 第16-32页 |
| 2.1 聚类分析技术 | 第16-19页 |
| 2.1.1 聚类准则 | 第16-18页 |
| 2.1.2 聚类方法 | 第18-19页 |
| 2.2 相似性测度 | 第19-21页 |
| 2.3 谱图划分准则 | 第21-27页 |
| 2.4 谱聚类算法介绍 | 第27-30页 |
| 2.4.1 谱图的矩阵表示 | 第27-28页 |
| 2.4.2 谱聚类算法实现 | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 基于流形距离的谱聚类算法 | 第32-48页 |
| 3.1 现存相似性测度分析 | 第32-35页 |
| 3.2 基于流形距离的相似性测度 | 第35-38页 |
| 3.3 基于流形距离的谱聚类算法 | 第38-39页 |
| 3.4 算法鲁棒性分析 | 第39-41页 |
| 3.5 实验结果及分析 | 第41-46页 |
| 3.5.1 聚类评价 | 第41-42页 |
| 3.5.2 人工数据集 | 第42-45页 |
| 3.5.3 UCI数据集 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第4章 基于DBSCAN的近似谱聚类算法 | 第48-62页 |
| 4.1 现存近似谱聚类算法分析 | 第48-51页 |
| 4.1.1 R-Nystr?m算法 | 第48-49页 |
| 4.1.2 K-Nystr?m算法 | 第49-50页 |
| 4.1.3 KASP算法 | 第50-51页 |
| 4.2 基于DBSCAN的近似谱聚类算法 | 第51-55页 |
| 4.2.1 代表样本点集的抽取 | 第51-53页 |
| 4.2.2 代表样本点聚类 | 第53页 |
| 4.2.3 非代表样本点集的处理 | 第53-55页 |
| 4.3 实验结果与分析 | 第55-59页 |
| 4.3.1 聚类评价 | 第55-56页 |
| 4.3.2 实验数据 | 第56-57页 |
| 4.3.3 实验结果分析 | 第57-59页 |
| 4.4 本章小结 | 第59-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70页 |
