基于半监督聚类算法的研究与应用
| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-11页 |
| ·背景与意义 | 第6-9页 |
| ·研究动态 | 第9-10页 |
| ·论文结构 | 第10-11页 |
| 第二章 基于聚类分析的方法 | 第11-21页 |
| ·聚类概述 | 第11-17页 |
| ·数据间的相似性度量 | 第11-13页 |
| ·类间距离 | 第13-14页 |
| ·主要的聚类分析方法 | 第14-17页 |
| ·半监督聚类相关理论基础 | 第17-20页 |
| ·半监督聚类算法的分类 | 第17-18页 |
| ·半监督聚类算法分析与比较 | 第18-19页 |
| ·半监督聚类算法的应用 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于半监督聚类算法的改进算法 | 第21-33页 |
| ·半监督聚类算法 | 第21-24页 |
| ·Seeded-Kmeans算法及其性能分析 | 第21-23页 |
| ·Search-Kmeans算法及其性能分析 | 第23-24页 |
| ·基于二分搜索的半监督聚类算法 | 第24-28页 |
| ·DS-kmeans算法 | 第24-26页 |
| ·DS-kmeans算法实验及分析 | 第26-28页 |
| ·基于较优搜索约束的聚类算法 | 第28-32页 |
| ·相关定义 | 第28-29页 |
| ·BSC-Kmeans算法 | 第29-31页 |
| ·BSC-Kmeans算法实验及分析 | 第31-32页 |
| ·本章小节 | 第32-33页 |
| 第四章 半监督聚类算法在客户分群中的应用 | 第33-44页 |
| ·引言 | 第33页 |
| ·基于客户分群的模型理论 | 第33-38页 |
| ·客户分群的目标 | 第33页 |
| ·客户分群的标准 | 第33-34页 |
| ·客户分群的流程 | 第34-38页 |
| ·半监督聚类算法在海尔客户分群中的应用 | 第38-43页 |
| ·实验环境 | 第38-39页 |
| ·数据的选取和预处理 | 第39-40页 |
| ·海尔客户分群的实验 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 全文总结与展望 | 第44-46页 |
| ·全文工作总结 | 第44页 |
| ·存在的问题与今后展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 攻读学位期间的研究成果 | 第50-51页 |
| 致谢 | 第51-53页 |
