聚类融合算法及其应用研究
| 中文摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第4-7页 |
| 目录 | 第7-10页 |
| 绪论 | 第10-20页 |
| 第一节 研究背景与意义 | 第10-12页 |
| 第二节 研究现状与存在问题 | 第12-16页 |
| ·聚类方法 | 第12-13页 |
| ·聚类融合方法 | 第13-14页 |
| ·半监督学习算法 | 第14-15页 |
| ·不平衡数据分类方法 | 第15-16页 |
| 第三节 本文研究内容与特色 | 第16-17页 |
| 第四节 本文结构安排 | 第17-20页 |
| 第一章 特征权重自动调节的软子空间聚类算法 | 第20-36页 |
| 第一节 引言 | 第20-21页 |
| 第二节 软子空间聚类算法 | 第21-24页 |
| 第三节 一种新的软子空间聚类算法 | 第24-29页 |
| ·FWSA-K-means算法 | 第24-25页 |
| ·SC-FWSA算法 | 第25-27页 |
| ·IFWSA-K-means算法 | 第27-28页 |
| ·SC-IFWSA算法 | 第28-29页 |
| ·SC-IFWSA算法分析 | 第29页 |
| 第四节 实验与分析 | 第29-35页 |
| ·评价方法 | 第29-30页 |
| ·实验结果与分析 | 第30-35页 |
| 第五节 本章小结 | 第35-36页 |
| 第二章 聚类融合 | 第36-42页 |
| 第一节 聚类分析 | 第36-37页 |
| 第二节 聚类融合方法 | 第37-39页 |
| 第三节 簇标记匹配方法 | 第39-40页 |
| 第四节 本章小结 | 第40-42页 |
| 第三章 基于聚类融合的半监督分类算法 | 第42-60页 |
| 第一节 引言 | 第42-43页 |
| 第二节 半监督学习方法 | 第43-45页 |
| 第三节 基于聚类融合的半监督分类算法 | 第45-48页 |
| ·算法思想和流程 | 第45-46页 |
| ·聚类一致性系数和聚类一致性标记 | 第46-47页 |
| ·类标记与聚类一致性标记的匹配方法 | 第47-48页 |
| 第四节 实验分析 | 第48-58页 |
| ·在UCI数据集上的实验结果 | 第48-54页 |
| ·在毒性预测数据集上的实验结果 | 第54-58页 |
| 第五节 本章小结 | 第58-60页 |
| 第四章 基于聚类融合的不平衡数据分类方法 | 第60-76页 |
| 第一节 引言 | 第60-61页 |
| 第二节 不平衡数据分类方法 | 第61-63页 |
| ·基于数据层面的方法 | 第61-62页 |
| ·基于算法层面的方法 | 第62-63页 |
| 第三节 基于聚类融合的不平衡数据分类方法 | 第63-67页 |
| ·算法描述 | 第63-64页 |
| ·聚类融合方法 | 第64-65页 |
| ·聚类一致性系数 | 第65-66页 |
| ·改进的过抽样和欠抽样技术 | 第66-67页 |
| 第四节 实验与分析 | 第67-75页 |
| ·不平衡数据分类的评价方法 | 第67-69页 |
| ·实验结果与分析 | 第69-75页 |
| 第五节 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 参考文献 | 第78-86页 |
| 攻读学位期间承担的科研任务与主要成果 | 第86-88页 |
| 致谢 | 第88-90页 |
| 个人简历 | 第90-92页 |
