基于支持向量排序的分割聚类算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 领域研究现状 | 第11-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第2章 聚类分析背景 | 第15-26页 |
| 2.1 聚类分析定义 | 第15页 |
| 2.2 聚类分析基础理论 | 第15-19页 |
| 2.2.1 聚类相似性度量 | 第15-17页 |
| 2.2.2 聚类目标函数 | 第17-18页 |
| 2.2.3 聚类评价标准 | 第18-19页 |
| 2.3 几种常见聚类算法 | 第19-24页 |
| 2.3.1 基于划分聚类算法 | 第19-20页 |
| 2.3.2 基于层次聚类算法 | 第20-21页 |
| 2.3.3 基于网格聚类算法 | 第21-22页 |
| 2.3.4 基于密度聚类算法 | 第22-23页 |
| 2.3.5 基于模型聚类算法 | 第23页 |
| 2.3.6 支持向量聚类算法 | 第23-24页 |
| 2.3.7 混合聚类算法 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于支持向量排序的分割聚类算法 | 第26-38页 |
| 3.1 点排序分割聚类算法 | 第26-28页 |
| 3.1.1 点排序 | 第26-27页 |
| 3.1.2 分割聚类 | 第27-28页 |
| 3.2 支持向量聚类算法 | 第28-31页 |
| 3.2.1 聚类训练 | 第28-30页 |
| 3.2.2 聚类分配 | 第30-31页 |
| 3.2.3 SVC算法特征分析 | 第31页 |
| 3.3 PC-SVR算法过程 | 第31-35页 |
| 3.3.1 SV排序 | 第32-34页 |
| 3.3.2 分割聚类 | 第34-35页 |
| 3.4 PC-SVR算法实现流程 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 实验仿真与结果分析 | 第38-52页 |
| 4.1 实验数据集 | 第38-39页 |
| 4.1.1 人工数据集 | 第38-39页 |
| 4.1.2 真实数据集 | 第39页 |
| 4.2 实验结果评价标准 | 第39-41页 |
| 4.2.1 Rand指数 | 第39-40页 |
| 4.2.2 Adjust Rand指数 | 第40页 |
| 4.2.3 Accuracy指标 | 第40-41页 |
| 4.3 实验结果及分析 | 第41-51页 |
| 4.3.1 PC-SVR性能影响因素 | 第41-44页 |
| 4.3.2 PC-SVR实验结果与分析 | 第44-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 作者简介及在学期间所取得的科研成果 | 第57-58页 |
| 致谢 | 第58页 |
