基于成对约束的聚类和降维算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-19页 |
| ·研究意义 | 第13-14页 |
| ·机器学习 | 第13页 |
| ·半监督学习 | 第13-14页 |
| ·半监督学习中的成对约束信息 | 第14页 |
| ·半监督聚类的研究基础 | 第14-16页 |
| ·现有的聚类算法 | 第15页 |
| ·半监督聚类 | 第15-16页 |
| ·半监督降维的研究基础 | 第16-17页 |
| ·传统降维算法 | 第16-17页 |
| ·半监督降维算法 | 第17页 |
| ·本文的研究工作 | 第17-18页 |
| ·本文的内容安排 | 第18-19页 |
| 第二章 基于成对约束的半监督竞争熵聚类算法 | 第19-29页 |
| ·引言 | 第19页 |
| ·CA 算法的重新定义 | 第19-20页 |
| ·CA 算法的推广 | 第20-22页 |
| ·Renyi 熵诱导的竞争聚类（RECA） | 第20-22页 |
| ·Shannon 熵诱导的竞争聚类（SECA） | 第22页 |
| ·基于成对约束的竞争熵聚类算法 | 第22-25页 |
| ·PCRECA 算法 | 第23-25页 |
| ·实验 | 第25-28页 |
| ·数据集描述 | 第25页 |
| ·实验设置与结果分析 | 第25-28页 |
| ·小结 | 第28-29页 |
| 第三章 半监督降维聚类算法 | 第29-37页 |
| ·引言 | 第29页 |
| ·半监督降维聚类算法 | 第29-32页 |
| ·半监督降维 | 第29-31页 |
| ·半监督降维聚类算法 | 第31-32页 |
| ·实验 | 第32-36页 |
| ·UCI 数据集 | 第33-34页 |
| ·人脸数据集 | 第34-35页 |
| ·文本数据集 | 第35-36页 |
| ·总结 | 第36-37页 |
| 第四章 半监督投影聚类集成算法 | 第37-47页 |
| ·引言 | 第37页 |
| ·聚类集成的研究现状 | 第37-38页 |
| ·集成学习 | 第37-38页 |
| ·聚类集成 | 第38页 |
| ·半监督投影聚类集成算法 | 第38-42页 |
| ·半监督聚类集成算法 | 第38-40页 |
| ·半监督投影聚类集成算法 | 第40-42页 |
| ·实验 | 第42-46页 |
| ·数据集说明 | 第42页 |
| ·聚类准确性度量 | 第42-43页 |
| ·实验结果及性能分析 | 第43-46页 |
| ·小结 | 第46-47页 |
| 第五章 张量图像上的半监督降维算法 | 第47-60页 |
| ·引言 | 第47页 |
| ·研究背景 | 第47-49页 |
| ·研究动机 | 第47-48页 |
| ·相关工作 | 第48-49页 |
| ·图像的张量表示 | 第49-50页 |
| ·张量代数学 | 第49-50页 |
| ·图像的张量表示 | 第50页 |
| ·张量图像上的半监督降维算法 | 第50-53页 |
| ·实验 | 第53-59页 |
| ·ORL 数据集 | 第53-55页 |
| ·Yale 数据集 | 第55-56页 |
| ·Yaleb 数据集 | 第56-58页 |
| ·图像数据库的二维可视化 | 第58-59页 |
| ·总结与展望 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·工作总结 | 第60-61页 |
| ·未来展望 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 致谢 | 第69-70页 |
| 在学期间的研究成果及发表的学术论文 | 第70页 |
