层次聚类算法的改进
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 课题的国内外研究现状 | 第11-16页 |
| 1.3 本文研究内容及论文章节安排 | 第16-18页 |
| 第2章 经典聚类分析方法 | 第18-31页 |
| 2.1 引言 | 第18-19页 |
| 2.2 划分聚类方法 | 第19-21页 |
| 2.3 层次聚类方法 | 第21-22页 |
| 2.4 谱聚类方法 | 第22-26页 |
| 2.4.1 谱图理论 | 第22-23页 |
| 2.4.2 图的划分理论 | 第23-26页 |
| 2.4.3 谱聚类算法结构 | 第26页 |
| 2.5 近邻传播聚类算法 | 第26-28页 |
| 2.6 其他聚类方法 | 第28-30页 |
| 2.6.1 基于神经网络的方法 | 第28页 |
| 2.6.2 基于模型的方法 | 第28-29页 |
| 2.6.3 基于密度的聚类方法 | 第29页 |
| 2.6.4 基于粒子群的聚类方法 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 基于能量场的层次聚类算法 | 第31-42页 |
| 3.1 引言 | 第31页 |
| 3.2 传统层次聚类算法 | 第31-32页 |
| 3.3 孤立点的检测算法 | 第32-35页 |
| 3.3.1 基于距离的检测算法 | 第32页 |
| 3.3.2 基于密度的检测算法 | 第32-33页 |
| 3.3.3 基于映射的混合数据检测算法 | 第33-34页 |
| 3.3.4 基于网格模型的检测算法 | 第34-35页 |
| 3.4 EFHC算法的基本原理 | 第35-38页 |
| 3.4.1 能量场的定义 | 第35-36页 |
| 3.4.2 对于孤立点的处理 | 第36-38页 |
| 3.5 实验与分析 | 第38-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 基于数据切分的层次聚类算法 | 第42-56页 |
| 4.1 引言 | 第42页 |
| 4.2 DHC算法的基本思想 | 第42-52页 |
| 4.2.1 数据切分的规则 | 第43-47页 |
| 4.2.2 特征提取 | 第47-49页 |
| 4.2.3 全局特征整合 | 第49-51页 |
| 4.2.4 数据的划分 | 第51-52页 |
| 4.3 实验与分析 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-64页 |
| 致谢 | 第64页 |
