| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 第1章 背景 | 第6-11页 |
| ·聚类算法分类 | 第7-8页 |
| ·自动化聚类 | 第7-8页 |
| ·半自动化聚类 | 第8页 |
| ·聚类算法的一般步骤 | 第8-10页 |
| ·特征提取 | 第8-9页 |
| ·聚类算法 | 第9页 |
| ·聚类的有效性 | 第9-10页 |
| ·给出结论 | 第10页 |
| ·本文的工作计划 | 第10-11页 |
| 第2章 理论部分 | 第11-21页 |
| ·聚类算法 | 第11-18页 |
| ·距离与相似度 | 第11-12页 |
| ·K-means 算法 | 第12-15页 |
| ·Kernel K-means 算法 | 第15-16页 |
| ·层次聚类 | 第16-18页 |
| ·扩散距离 | 第18-21页 |
| ·数据集上的 Markov 链 | 第18-19页 |
| ·扩散距离和扩散映射 | 第19-21页 |
| 第3章 算法实现 | 第21-43页 |
| ·算法的构造 | 第21-41页 |
| ·Kernel K-means 算法构造 | 第21-24页 |
| ·扩散距离的引入 | 第24-37页 |
| ·线性数据 | 第37-41页 |
| ·结论 | 第41-43页 |
| 参考文献 | 第43-44页 |
| 致谢 | 第44页 |