| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 第一章 引言 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文结构 | 第11-13页 |
| 第二章 聚类方法综述 | 第13-24页 |
| 2.1 聚类方法概述 | 第13-16页 |
| 2.1.1 聚类分析的定义 | 第13页 |
| 2.1.2 聚类分析中的数据结构和数据类型 | 第13-15页 |
| 2.1.3 聚类分析中的距离度量 | 第15-16页 |
| 2.2 聚类方法的评价标准 | 第16-17页 |
| 2.2.1 CER(Classification Error Rate) | 第16-17页 |
| 2.2.2 ARI(Adjusted Rand Index) | 第17页 |
| 2.3 主要的聚类方法 | 第17-24页 |
| 2.3.1 K-means聚类 | 第17-18页 |
| 2.3.2 Graph Linkage Clustering | 第18-20页 |
| 2.3.3 快速搜索聚类方法（Clustering by fast search and find of densitypeaks） | 第20-24页 |
| 第三章 半监督聚类方法综述 | 第24-28页 |
| 3.1 半监督学习方法 | 第24页 |
| 3.2 半监督聚类方法 | 第24-28页 |
| 3.2.1 基于约束的方法 | 第24-25页 |
| 3.2.2 基于距离的半监督聚类算法 | 第25页 |
| 3.2.3 基于分类的半监督聚类方法（K-meansGuider） | 第25-28页 |
| 第四章 基于最小类间距的半监督聚类算法 | 第28-33页 |
| 4.1 算法基本思想 | 第28-32页 |
| 4.2 阈值的选取 | 第32-33页 |
| 第五章 实证分析 | 第33-39页 |
| 第六章 结论及展望 | 第39-40页 |
| 6.1 总结 | 第39页 |
| 6.2 展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 致谢 | 第43页 |
