| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究内容和创新点 | 第12-13页 |
| 1.3 研究生期间主要工作 | 第13-14页 |
| 1.4 论文内容及结构综述 | 第14-16页 |
| 第二章 数据降维与聚类分析算法研究现状 | 第16-23页 |
| 2.1 数据降维与聚类分析算法概述 | 第16-17页 |
| 2.1.1 数据降维技术概述 | 第16页 |
| 2.1.2 聚类分析算法概述 | 第16-17页 |
| 2.2 降维算法研究现状 | 第17-19页 |
| 2.2.1 线性降维算法研究现状 | 第17-18页 |
| 2.2.2 非线性降维算法研究现状 | 第18-19页 |
| 2.3 聚类分析算法研究现状 | 第19-22页 |
| 2.4 本章总结 | 第22-23页 |
| 第三章 基于改进Dijkstra距离和K-邻居图的降维算法 | 第23-33页 |
| 3.1 概述 | 第23页 |
| 3.2 LLE算法介绍 | 第23-25页 |
| 3.3 理论基础 | 第25-27页 |
| 3.3.1 测地线距离 | 第25-26页 |
| 3.3.2 k-邻居图 | 第26-27页 |
| 3.4 DKLLE算法 | 第27-28页 |
| 3.5 实验分析 | 第28-32页 |
| 3.5.1 实验环境 | 第28-29页 |
| 3.5.2 实验结果 | 第29-32页 |
| 3.6 本章总结 | 第32-33页 |
| 第四章 基于K-means的增量聚类分析算法 | 第33-44页 |
| 4.1 概要 | 第33页 |
| 4.2 K-means算法介绍 | 第33-35页 |
| 4.3 理论基础 | 第35-37页 |
| 4.3.1 增量聚类 | 第35页 |
| 4.3.2 模拟退火算法 | 第35-37页 |
| 4.4 IK-means算法 | 第37-39页 |
| 4.5 实验分析 | 第39-43页 |
| 4.5.1 实验环境 | 第39页 |
| 4.5.2 实验结果 | 第39-43页 |
| 4.6 本章总结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 作者攻读学位期间发表的学术论文目录 | 第51页 |