| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 研究现状及存在的问题 | 第9-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 全文结构 | 第12-13页 |
| 第二章 数据竞争理论基础 | 第13-23页 |
| 2.1 概述 | 第13-15页 |
| 2.2 聚合场模型 | 第15-17页 |
| 2.3 聚合场中数据点的分类 | 第17-18页 |
| 2.4 基于聚合场模型的聚类 | 第18-19页 |
| 2.5 数据竞争的规则 | 第19-20页 |
| 2.6 数据竞争的次序 | 第20-22页 |
| 2.7 DC聚类算法的收敛条件和主要步骤 | 第22-23页 |
| 第三章 密度敏感的数据竞争聚类算法 | 第23-31页 |
| 3.1 概述 | 第23页 |
| 3.2 局部距离和全局距离 | 第23-25页 |
| 3.3 DSDC算法 | 第25页 |
| 3.4 算法时间复杂度分析 | 第25-26页 |
| 3.5 实验结果及分析 | 第26-30页 |
| 3.5.1 人工数据集 | 第26-29页 |
| 3.5.2 UCI数据集 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第四章 基于视图相关因子的多视图数据竞争聚类算法 | 第31-40页 |
| 4.1 概述 | 第31-32页 |
| 4.2 视图相关因子 | 第32页 |
| 4.3 联合目标函数的建立与优化 | 第32-33页 |
| 4.4 多视图数据竞争聚类算法 | 第33-34页 |
| 4.4.1 算法步骤 | 第34页 |
| 4.4.2 算法时间复杂度分析 | 第34页 |
| 4.5 实验结果及分析 | 第34-38页 |
| 4.5.1 实验数据集 | 第34-35页 |
| 4.5.2 实验设计 | 第35-36页 |
| 4.5.3 结果与分析 | 第36-38页 |
| 4.6 本章小结 | 第38-40页 |
| 第五章 密度自适应的数据竞争聚类算法 | 第40-52页 |
| 5.1 概述 | 第40页 |
| 5.2 密度自适应相似度 | 第40-43页 |
| 5.3 DA-DC算法 | 第43-44页 |
| 5.3.1 算法步骤 | 第43-44页 |
| 5.3.2 算法时间复杂度 | 第44页 |
| 5.4 实验结果及分析 | 第44-51页 |
| 5.4.1 人工数据集 | 第44-48页 |
| 5.4.2 真实数据集 | 第48-50页 |
| 5.4.3 算法运行效率与参数分析 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 DA-DC和VCF-MDC算法在图像聚类中的应用 | 第52-60页 |
| 6.1 概述 | 第52-53页 |
| 6.2 图像特征提取 | 第53-54页 |
| 6.2.1 小波变换特征 | 第53页 |
| 6.2.2 局部二值模式特征 | 第53-54页 |
| 6.2.3 方向梯度直方图特征 | 第54页 |
| 6.3 各个算法的图像聚类步骤 | 第54-55页 |
| 6.3.1 DA-DC算法图像聚类步骤 | 第54-55页 |
| 6.3.2 VCF-MDC算法图像聚类步骤 | 第55页 |
| 6.4 实验结果及分析 | 第55-59页 |
| 6.4.1 数据集 | 第55-57页 |
| 6.4.2 实验设计 | 第57页 |
| 6.4.3 结果与分析 | 第57-59页 |
| 6.5 本章小结 | 第59-60页 |
| 第七章 主要结论与展望 | 第60-62页 |
| 7.1 主要结论 | 第60页 |
| 7.2 展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第67页 |