基于有限混合模型的聚类算法及其应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-15页 |
| ·聚类分析简介 | 第9-10页 |
| ·基本概念 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·研究现状 | 第10页 |
| ·有限混合模型 | 第10-13页 |
| ·研究背景和现状 | 第11-12页 |
| ·局限性及研究方向 | 第12-13页 |
| ·本文的内容及章节安排 | 第13-15页 |
| 2 聚类的相关知识 | 第15-22页 |
| ·聚类知识 | 第15-19页 |
| ·类的相关知识 | 第15页 |
| ·聚类的典型方法 | 第15-19页 |
| ·聚类的评价标准 | 第19页 |
| ·使用模型描述数据 | 第19-22页 |
| ·概率模型 | 第20-21页 |
| ·混合模型 | 第21-22页 |
| 3 有限混合模型参数估计问题研究 | 第22-36页 |
| ·高斯混合模型 | 第23-24页 |
| ·EM 算法 | 第24-29页 |
| ·EM 算法的含义 | 第24-25页 |
| ·用于估计高斯混合模型参数的EM 算法 | 第25-27页 |
| ·E 步 | 第27-28页 |
| ·M 步 | 第28-29页 |
| ·初始化方法 | 第29-32页 |
| ·传统的初始化方法 | 第29-30页 |
| ·改进初始聚类中心的EM 算法 | 第30-32页 |
| ·实验与分析 | 第32-36页 |
| ·时间复杂度 | 第32-33页 |
| ·聚类效果 | 第33-36页 |
| 4 混合模型聚类中其他重要问题研究 | 第36-50页 |
| ·混合模型分支数选取问题 | 第36-47页 |
| ·混合模型分支数选取方法概述 | 第36-39页 |
| ·估计最优分支数的MML-EM 方法 | 第39-42页 |
| ·数值实验 | 第42-47页 |
| ·混合模型的稳健性问题 | 第47-50页 |
| ·多元t 分布 | 第47-48页 |
| ·t 分布混合模型的极大似然估计 | 第48-50页 |
| 5 一种基于高斯混合模型的图像检索算法 | 第50-54页 |
| ·基于内容的图像检索 | 第50-51页 |
| ·特征提取 | 第51页 |
| ·建立高斯混合模型 | 第51-52页 |
| ·图像特征向量的高斯混合模型 | 第51-52页 |
| ·图像参数集的高斯混合模型 | 第52页 |
| ·算法 | 第52-54页 |
| 6 总结 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间所取得的研究成果 | 第60-61页 |
| 致谢 | 第61页 |
