基于聚类的代表点获取算法及其应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·本文研究内容与组织结构 | 第12-13页 |
| 2 基于半监督聚类的代表点获取算法 | 第13-22页 |
| ·成对约束信息 | 第13-14页 |
| ·近邻传播算法 AP | 第14-15页 |
| ·半监督的近邻传播算法 SAP | 第15-16页 |
| ·两阶段的半监督近邻传播聚类算法2SAP | 第16-21页 |
| ·算法设计 | 第16-18页 |
| ·实验结果分析 | 第18-21页 |
| ·小结 | 第21-22页 |
| 3 基于监督聚类的种子代表点获取算法 | 第22-30页 |
| ·相关工作 | 第22-26页 |
| ·监督聚类的现有算法 | 第23-25页 |
| ·对数据集拓扑结构的提取算法 | 第25-26页 |
| ·种子代表点获取算法 | 第26-29页 |
| ·算法设计 | 第26-27页 |
| ·实验结果分析 | 第27-29页 |
| ·小结 | 第29-30页 |
| 4 代表点获取算法在生物信息学中的应用 | 第30-42页 |
| ·降维方法 | 第30-32页 |
| ·奇异值分解 | 第30-31页 |
| ·ISOMAP 降维与流形重建 | 第31-32页 |
| ·启动子识别问题 | 第32-34页 |
| ·数据集的抽样与降维 | 第34-35页 |
| ·内含子数据集的抽样 | 第34页 |
| ·训练数据的 ISOMAP 降维 | 第34-35页 |
| ·基于流形重建的启动子识别算法 | 第35-41页 |
| ·数据的预处理 | 第35-36页 |
| ·算法设计 | 第36-37页 |
| ·实验结果与分析 | 第37-41页 |
| ·小结 | 第41-42页 |
| 5 代表点获取算法在文本分类中的应用 | 第42-53页 |
| ·文本分类的相关知识 | 第42-46页 |
| ·文本分类的任务特点 | 第42-43页 |
| ·文本数据的预处理 | 第43-45页 |
| ·常用的文本分类方法 | 第45-46页 |
| ·基于代表点获取的文本分类 | 第46-52页 |
| ·算法设计 | 第46-47页 |
| ·数据抽样与降维 | 第47-48页 |
| ·实验结果与分析 | 第48-52页 |
| ·小结 | 第52-53页 |
| 6 总结与展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间发表的论文目录 | 第60-61页 |
