| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 划分型方法 | 第12页 |
| 1.2.2 层次方法 | 第12-13页 |
| 1.2.3 基于密度和网格的方法 | 第13-14页 |
| 1.2.4 基于模型的方法 | 第14页 |
| 1.2.5 基于图论的方法 | 第14页 |
| 1.3 论文的主要工作和结构安排 | 第14-16页 |
| 第2章 聚类算法 | 第16-26页 |
| 2.1 聚类算法的基本概念 | 第16-18页 |
| 2.1.1 聚类定义 | 第16页 |
| 2.1.2 聚类准则 | 第16-17页 |
| 2.1.3 聚类过程 | 第17页 |
| 2.1.4 聚类的数据类型 | 第17-18页 |
| 2.2 K-MEANS聚类算法 | 第18-22页 |
| 2.2.1 算法的基本思想 | 第18-20页 |
| 2.2.2 算法简单实例 | 第20-21页 |
| 2.2.3 算法的缺点 | 第21-22页 |
| 2.3 模糊c均值算法 | 第22-23页 |
| 2.3.1 算法的思想 | 第22-23页 |
| 2.3.2 算法的发展 | 第23页 |
| 2.4 近邻传播聚类算法 | 第23-24页 |
| 2.5 谱聚类算法 | 第24-25页 |
| 2.5.1 算法的基本思想 | 第24-25页 |
| 2.5.2 算法的优点 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基本理论及图的算法 | 第26-36页 |
| 3.1 谱聚类算法的图论基础 | 第26-28页 |
| 3.1.1 图的表示 | 第26-27页 |
| 3.1.2 图的矩阵表示 | 第27-28页 |
| 3.2 相似矩阵、度矩阵、拉普拉斯矩阵 | 第28-29页 |
| 3.2.1 相似矩阵 | 第28页 |
| 3.2.2 度矩阵 | 第28页 |
| 3.2.3 拉普拉斯矩阵 | 第28-29页 |
| 3.3 谱图划分准则 | 第29-31页 |
| 3.3.1 最小割集准则 | 第29页 |
| 3.3.2 比例割集准则 | 第29-30页 |
| 3.3.3 规范割集准则 | 第30页 |
| 3.3.4 平均割集准则 | 第30页 |
| 3.3.5 最小最大割集准则 | 第30页 |
| 3.3.6 多路规范准割集准则 | 第30-31页 |
| 3.4 研究现状 | 第31-34页 |
| 3.4.1 迭代谱聚类算法 | 第31-32页 |
| 3.4.2 多路谱聚类算法 | 第32-33页 |
| 3.4.3 谱聚类算法的新进展 | 第33-34页 |
| 3.5 谱聚类算法的实现 | 第34-36页 |
| 第4章 基于流形距离的谱聚类算法 | 第36-52页 |
| 4.1 流形距离 | 第36-39页 |
| 4.2 基于流形距离的谱聚类算法流程 | 第39-40页 |
| 4.3 实验及其分析 | 第40-51页 |
| 4.3.1 对人工数据集聚类 | 第40-47页 |
| 4.3.2 对UCI数据集聚类分析 | 第47-49页 |
| 4.3.3 鲁棒性分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 基于流形距离的谱聚类算法在极光分类中的应用 | 第52-56页 |
| 5.1 极光分类发展现状 | 第52页 |
| 5.2 极光图片处理 | 第52-54页 |
| 5.3 实验过程 | 第54-56页 |
| 5.3.1 图片的特征提取 | 第54页 |
| 5.3.2 实验结果 | 第54页 |
| 5.3.3 加噪处理 | 第54-55页 |
| 5.3.4 结果分析 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士期间科研成果 | 第66页 |