| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·选题背景及意义 | 第11-12页 |
| ·国内外研究概况和发展趋势 | 第12-13页 |
| ·主要研究内容及组织结构 | 第13-15页 |
| 第2章 聚类分析理论基础 | 第15-24页 |
| ·聚类相关理论 | 第15-18页 |
| ·数据间的相似性度量 | 第15-16页 |
| ·聚类方法的分类 | 第16-18页 |
| ·半监督聚类相关理论 | 第18-19页 |
| ·半监督聚类概述 | 第18-19页 |
| ·半监督聚类算法的分类 | 第19页 |
| ·常见半监督k-measn算法 | 第19-23页 |
| ·基于约束的监督信息 | 第20-21页 |
| ·Seeded-kmeans算法 | 第21-22页 |
| ·COP-kmeans算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 改进的Seeded-kmeans算法 | 第24-41页 |
| ·Seeded-kmeans算法存在的问题 | 第24-25页 |
| ·基于信息增益的Seeded-kmeans改进算法 | 第25-31页 |
| ·数据集的规一化 | 第25页 |
| ·信息增益的权值计算方法 | 第25-27页 |
| ·算法描述 | 第27页 |
| ·实验及分析 | 第27-31页 |
| ·基于密度检测的Seeded-kmeans改进算法 | 第31-39页 |
| ·Seeded-kmeans算法抗噪声实验及分析 | 第32-35页 |
| ·算法思想及算法描述 | 第35-36页 |
| ·实验及分析 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 密度检测和信息增益结合的Seeded-kmeans改进算法 | 第41-49页 |
| ·IG-kmeans抗噪声实验及分析 | 第41-44页 |
| ·算法思想及算法描述 | 第44-45页 |
| ·实验及结果分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| ·本文工作总结 | 第49页 |
| ·存在不足及下一步工作 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间取得的科研成果 | 第55页 |
