| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 研究现状与挑战 | 第11-13页 |
| 1.3 理论基础 | 第13-15页 |
| 1.3.1 集成学习 | 第13页 |
| 1.3.2 模糊理论 | 第13-14页 |
| 1.3.3 粗糙集理论 | 第14-15页 |
| 1.4 研究设想 | 第15页 |
| 1.5 研究方法与实验设计 | 第15-16页 |
| 1.6 预期的结果与意义 | 第16-17页 |
| 1.7 本论文的结构 | 第17-19页 |
| 第二章 研究现状与方法 | 第19-34页 |
| 2.1 聚类方法 | 第19-24页 |
| 2.1.1 硬划分聚类 | 第20-21页 |
| 2.1.2 软划分聚类 | 第21-22页 |
| 2.1.3 基于概率聚类 | 第22-24页 |
| 2.2 聚类有效性指标 | 第24-27页 |
| 2.3 粗糙集 | 第27-29页 |
| 2.4 聚类集成基本框架 | 第29-30页 |
| 2.5 聚类集成研究领域 | 第30-33页 |
| 2.5.1 多源异构数据集 | 第30-31页 |
| 2.5.2 空间映射 | 第31-32页 |
| 2.5.3 聚类结果共识 | 第32页 |
| 2.5.4 性能评估 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 基于潜在模型的软子空间聚类集成 | 第34-45页 |
| 3.1 设计思路 | 第34-35页 |
| 3.2 总体框架 | 第35-36页 |
| 3.3 具体流程 | 第36-42页 |
| 3.3.1 软子空间生成 | 第36-39页 |
| 3.3.2 聚类有效性指标混合策略 | 第39-40页 |
| 3.3.3 概率潜在语义分析 | 第40-41页 |
| 3.3.4 潜在因子分析模型 | 第41页 |
| 3.3.5 一致性函数划分 | 第41-42页 |
| 3.3.6 算法伪代码 | 第42页 |
| 3.4 复杂度分析 | 第42-44页 |
| 3.4.1 时间复杂度分析 | 第42-43页 |
| 3.4.2 空间复杂度分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于自适应三支决策的随机子空间混合聚类集成 | 第45-59页 |
| 4.1 设计思路 | 第45-46页 |
| 4.2 总体框架 | 第46-47页 |
| 4.3 具体流程 | 第47-56页 |
| 4.3.1 随机子空间生成 | 第47-48页 |
| 4.3.2 随机初始化 | 第48页 |
| 4.3.3 软硬聚类模型 | 第48-49页 |
| 4.3.4 边界特征集 | 第49-50页 |
| 4.3.5 改进粗糙集-自适应三支决策 | 第50-56页 |
| 4.3.6 一致性函数划分 | 第56页 |
| 4.3.7 算法伪代码 | 第56页 |
| 4.4 复杂度分析 | 第56-58页 |
| 4.4.1 时间复杂度分析 | 第57页 |
| 4.4.2 空间复杂度分析 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 实验设计与分析 | 第59-88页 |
| 5.1 实验数据集 | 第59-60页 |
| 5.2 聚类评价指标 | 第60-61页 |
| 5.3 实验结果与讨论 | 第61-87页 |
| 5.3.1 参数的影响 | 第61-64页 |
| 5.3.2 聚类有效性指标偏好性分析 | 第64-68页 |
| 5.3.3 子空间效果 | 第68-71页 |
| 5.3.4 潜在因子分析模型效果 | 第71-72页 |
| 5.3.5 自适应三支决策效果 | 第72-73页 |
| 5.3.6 软硬划分混合策略效果 | 第73-74页 |
| 5.3.7 传统单聚类算法比较 | 第74-77页 |
| 5.3.8 基于子空间聚类算法比较 | 第77-79页 |
| 5.3.9 传统聚类集成算法比较 | 第79-84页 |
| 5.3.10 非参数统计检验 | 第84-86页 |
| 5.3.11 可视化结果比较 | 第86-87页 |
| 5.4 本章小结 | 第87-88页 |
| 总结与展望 | 第88-89页 |
| 参考文献 | 第89-97页 |
| 攻读硕士学位期间取得的研究成果 | 第97-98页 |
| 致谢 | 第98-99页 |
| 附件 | 第99页 |