谱聚类算法及其应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 1 绪论 | 第11-17页 |
| ·引言 | 第11页 |
| ·谱聚类算法 | 第11-15页 |
| ·算法概述 | 第11-12页 |
| ·算法优点 | 第12-13页 |
| ·研究现状 | 第13-14页 |
| ·关键技术 | 第14-15页 |
| ·本文研究的主要内容 | 第15-17页 |
| 2 谱聚类算法基础 | 第17-25页 |
| ·聚类分析方法概述 | 第17-18页 |
| ·谱聚类算法的图论的基础介 | 第18-21页 |
| ·图与图的表示 | 第18-19页 |
| ·相似矩阵、度矩阵及拉普拉斯矩阵 | 第19-20页 |
| ·图划分准则 | 第20-21页 |
| ·谱聚类算法简介 | 第21-24页 |
| ·迭代谱聚类算法 | 第21-23页 |
| ·多路谱聚类算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 一种基于密度敏感的自适应谱聚类算法 | 第25-34页 |
| ·密度敏感的相似性度量概述 | 第25-28页 |
| ·基于密度敏感的距离 | 第27-28页 |
| ·相关矩阵 | 第28页 |
| ·自适应谱聚类算法研究 | 第28-30页 |
| ·利用特征间隙确定聚类数目 | 第28-29页 |
| ·算法内容 | 第29-30页 |
| ·实验验证分析 | 第30-33页 |
| ·人工数据集 | 第30-32页 |
| ·真实数据 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 4 一种基于谱聚类的自适应 IPCM 算法 | 第34-43页 |
| ·IPCM 算法概述 | 第34-36页 |
| ·基于谱聚类的 IPCM 算法 | 第36-39页 |
| ·算法原理 | 第36-38页 |
| ·算法内容 | 第38-39页 |
| ·数值试验 | 第39-42页 |
| ·人工数据集 | 第39-42页 |
| ·真实数据 | 第42页 |
| ·结论 | 第42-43页 |
| 5 基于密度敏感的 Dcut 单阈值图像分割法 | 第43-49页 |
| ·判别割 Dcut 算法 | 第43-45页 |
| ·算法概述 | 第43-44页 |
| ·算法内容 | 第44-45页 |
| ·密度敏感的 Dcut 单阈值图像分割法 | 第45-47页 |
| ·算法原理 | 第45-46页 |
| ·算法步骤 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 6 总结与展望 | 第49-51页 |
| ·总结 | 第49页 |
| ·展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士期间发表的论文 | 第56-57页 |
| 致谢 | 第57-58页 |
