| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 聚类算法的研究现状 | 第9-11页 |
| 1.2.2 相似度计算模型的研究现状 | 第11-12页 |
| 1.3 论文研究的主要内容 | 第12-13页 |
| 1.3.1 论文的组织 | 第12页 |
| 1.3.2 论文的主要工作及创新 | 第12-13页 |
| 2 近邻传播聚类算法 | 第13-21页 |
| 2.1 聚类分析 | 第13-17页 |
| 2.1.1 基本定义 | 第13页 |
| 2.1.2 距离函数 | 第13-15页 |
| 2.1.3 聚类数的确定 | 第15-17页 |
| 2.2 近邻传播聚类算法原理 | 第17-20页 |
| 2.2.1 相似度矩阵S的构造 | 第18页 |
| 2.2.2 P值的设定 | 第18页 |
| 2.2.3 吸引度矩阵R和归属度矩阵A | 第18-19页 |
| 2.2.4 决策矩阵 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 APBWM模型 | 第21-37页 |
| 3.1 APBWM(AP Based on Weighted Mahalanobis Distance)模型 | 第21-26页 |
| 3.1.1 马氏距离 | 第21-22页 |
| 3.1.2 基于均方差加权的马氏距离 | 第22-23页 |
| 3.1.3 自适应步长的设置研究 | 第23-25页 |
| 3.1.4 APBWM模型 | 第25-26页 |
| 3.2 实验数据集描述 | 第26-27页 |
| 3.3 仿真实验及分析 | 第27-33页 |
| 3.4 APBWM模型中参数收敛性的实证分析 | 第33-36页 |
| 3.4.1 吸引度矩阵A_n的收敛性分析 | 第33-35页 |
| 3.4.2 归属度矩阵R_n的收敛性分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 APBWMMP模型 | 第37-40页 |
| 4.1 APBWMMP(Affinity Propagation Based on Weighted Mahalanobis Distance and Modified Preference)模型 | 第37-39页 |
| 4.1.1 偏向参数P值的优化 | 第37-38页 |
| 4.1.2 APBWMMP模型描述 | 第38-39页 |
| 4.2 仿真实验及分析 | 第39页 |
| 4.3 本章小结 | 第39-40页 |
| 5 总结与展望 | 第40-41页 |
| 5.1 总结 | 第40页 |
| 5.2 展望 | 第40-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-44页 |