基于非负矩阵分解的时序数据聚类方法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外相关研究和综述 | 第10-13页 |
| 1.2.1 基于原始数据的时序数据聚类 | 第10-11页 |
| 1.2.2 基于特征方法的时序数据聚类 | 第11-12页 |
| 1.2.3 基于模型方法的时序数据聚类 | 第12-13页 |
| 1.3 问题的总结与分析 | 第13-15页 |
| 1.4 本文主要工作 | 第15-16页 |
| 1.5 本文组织结构 | 第16-18页 |
| 第2章 非负矩阵分解算法 | 第18-25页 |
| 2.1 非负矩阵分解算法的基本思想 | 第18-19页 |
| 2.2 目标函数和更新规则 | 第19-20页 |
| 2.3 其他子空间学习算法的对比 | 第20-24页 |
| 2.3.1 主成分分析 | 第20-21页 |
| 2.3.2 线性判别分析 | 第21-22页 |
| 2.3.3 非负矩阵分解 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 系数矩阵优化的时序数据聚类算法 | 第25-38页 |
| 3.1 引言 | 第25-26页 |
| 3.2 矩阵的稀疏性度量 | 第26-28页 |
| 3.3 算法设计与分析 | 第28-31页 |
| 3.3.1 算法设计 | 第28-29页 |
| 3.3.2 目标函数的设计 | 第29-30页 |
| 3.3.3 收敛性证明 | 第30-31页 |
| 3.4 实验结果与分析 | 第31-37页 |
| 3.4.1 实验数据 | 第31-32页 |
| 3.4.2 实验过程 | 第32-33页 |
| 3.4.3 实验结果与分析 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 平滑性优化的时序数据聚类算法 | 第38-45页 |
| 4.1 引言 | 第38-39页 |
| 4.2 时序数据的平滑性度量 | 第39-40页 |
| 4.3 算法设计 | 第40-41页 |
| 4.4 实验结果与分析 | 第41-44页 |
| 4.4.1 实验数据 | 第41-42页 |
| 4.4.2 实验过程 | 第42页 |
| 4.4.3 实验结果与分析 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 模型差异性优化的聚类算法 | 第45-52页 |
| 5.1 引言 | 第45-46页 |
| 5.2 时序数据的差异性度量 | 第46-47页 |
| 5.3 算法设计 | 第47页 |
| 5.4 实验结果与分析 | 第47-51页 |
| 5.4.1 实验数据 | 第47-48页 |
| 5.4.2 实验过程 | 第48-49页 |
| 5.4.3 实验结果与分析 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60页 |
