| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 符号使用说明 | 第13-14页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究意义 | 第14-15页 |
| 1.2 相关工作 | 第15-19页 |
| 1.2.1 划分聚类算法 | 第16页 |
| 1.2.2 层次聚类算法 | 第16-17页 |
| 1.2.3 密度聚类算法 | 第17页 |
| 1.2.4 其它类型算法 | 第17-18页 |
| 1.2.5 当前聚类研究一些缺陷 | 第18-19页 |
| 1.3 研究目标及方法 | 第19页 |
| 1.4 论文结构 | 第19-21页 |
| 第二章 密度K-means聚类：一种鲁棒的快速聚类方法 | 第21-34页 |
| 2.1 引言 | 第21-22页 |
| 2.2 K均值聚类算法 | 第22-25页 |
| 2.2.1 K均值聚类算法基本思想 | 第22-23页 |
| 2.2.2 K均值聚类算法过程 | 第23页 |
| 2.2.3 K均值聚类算法对初始聚类中心的敏感性分析 | 第23-25页 |
| 2.3 基于密度峰值为K均值聚类初始中心的快速聚类算法 | 第25-28页 |
| 2.3.1 基本定义及概念 | 第25-27页 |
| 2.3.2 基于密度峰值为K均值聚类初始中心算法（CIDP） | 第27-28页 |
| 2.3.3 讨论 | 第28页 |
| 2.4 实验测评 | 第28-32页 |
| 2.4.1 实验设置 | 第28-29页 |
| 2.4.2 CIPD参数设置及其敏感性 | 第29页 |
| 2.4.3 数据集 | 第29-31页 |
| 2.4.4 性能测度 | 第31页 |
| 2.4.5 实验结果 | 第31-32页 |
| 2.4.6 收敛性分析 | 第32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于多密度峰值的聚类数目估计方法 | 第34-50页 |
| 3.1 引言 | 第34-36页 |
| 3.2 相关工作 | 第36-38页 |
| 3.3 基于多密度峰值的聚类类别数目估计算法 | 第38-43页 |
| 3.3.1 相关定义和概念 | 第38-39页 |
| 3.3.2 模型构建 | 第39-41页 |
| 3.3.3 模型求解 | 第41-43页 |
| 3.3.4 算法描述 | 第43页 |
| 3.4 基于多密度峰值的自动聚类算法 | 第43-44页 |
| 3.5 实验测评 | 第44-49页 |
| 3.5.1 参数设置 | 第44页 |
| 3.5.2 参数敏感性测试 | 第44-45页 |
| 3.5.3 数据集 | 第45页 |
| 3.5.4 CFSFDP的性能 | 第45-46页 |
| 3.5.5 ACFDP的性能 | 第46-48页 |
| 3.5.6 讨论 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 基于密度峰值的自动聚类方法在文本聚类的应用 | 第50-63页 |
| 4.1 引言 | 第50-51页 |
| 4.2 相关技术 | 第51-55页 |
| 4.2.1 分词 | 第51页 |
| 4.2.2 停用词 | 第51页 |
| 4.2.3 文本表示 | 第51-53页 |
| 4.2.4 相似度度量 | 第53-54页 |
| 4.2.5 文本聚类评价指标 | 第54-55页 |
| 4.3 自动文本聚类模型 | 第55-59页 |
| 4.3.1 模型框架 | 第55页 |
| 4.3.2 数据预处理 | 第55-57页 |
| 4.3.3 基于密度峰值的自动聚类 | 第57-58页 |
| 4.3.4 聚类效果评价 | 第58-59页 |
| 4.4 实验测评 | 第59-61页 |
| 4.4.1 实验设置 | 第59页 |
| 4.4.2 数据集 | 第59页 |
| 4.4.3 实验结果 | 第59-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 结束语 | 第63-66页 |
| 5.1 工作总结 | 第63-64页 |
| 5.2 工作展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 作者在学期间取得的学术成果 | 第72页 |
