基于谱聚类的混合流形学习算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 存在的问题以及主要研究方向 | 第13-15页 |
| 2 传统的流形学习方法 | 第15-30页 |
| 2.1 线性流形学习方法 | 第15-17页 |
| 2.1.1 主成分分析 | 第15页 |
| 2.1.2 多维尺度变换 | 第15-17页 |
| 2.2 非线性流形学习方法 | 第17-30页 |
| 2.2.1 等距特征映射 | 第17-18页 |
| 2.2.2 局部线性嵌入 | 第18-21页 |
| 2.2.3 拉普拉斯特征映射 | 第21-23页 |
| 2.2.4 其他代表非线性流形学习算法 | 第23-30页 |
| 3 谱聚类算法 | 第30-39页 |
| 3.1 谱聚类图论 | 第30-33页 |
| 3.1.1 图分割的两种方式 | 第31-33页 |
| 3.1.2 k-way图分割 | 第33页 |
| 3.2 谱聚类 | 第33-35页 |
| 3.2.1 NJW算法 | 第34页 |
| 3.2.2 谱聚类算法的变量 | 第34-35页 |
| 3.3 参数的协调 | 第35-36页 |
| 3.4 聚类数目的估计 | 第36-37页 |
| 3.5 算法性能评价标准 | 第37-39页 |
| 3.5.1 聚类错误率 | 第37页 |
| 3.5.2 信息变量 | 第37页 |
| 3.5.3 Wallace指数 | 第37-39页 |
| 4 基于谱聚类的混合流形聚类 | 第39-48页 |
| 4.1 谱混合流形聚类算法 | 第40-43页 |
| 4.1.1 谱混合流形聚类 | 第40-41页 |
| 4.1.2 几何切空间 | 第41-43页 |
| 4.2 实验以及分析 | 第43-48页 |
| 4.2.1 数据集上的可视化比较 | 第44页 |
| 4.2.2 参数的影响 | 第44-46页 |
| 4.2.3 与最新流行聚类算法的性能比较 | 第46页 |
| 4.2.4 COIL-20图像数据的聚类 | 第46-48页 |
| 5 局部结构一致方法 | 第48-52页 |
| 5.1 对成型规范化谱聚类 | 第48页 |
| 5.2 LSC算法 | 第48-49页 |
| 5.3 实验结果与分析 | 第49-52页 |
| 5.3.1 参数影响 | 第49-51页 |
| 5.3.2 基于人造数据集上的分析比较 | 第51页 |
| 5.3.3 真实数据集上的分析比较 | 第51-52页 |
| 6 迭代加权框架的子空间聚类 | 第52-58页 |
| 6.1 子空间聚类概述 | 第52-53页 |
| 6.2 迭代加权框架 | 第53-54页 |
| 6.3 稀疏子空间聚类 | 第54-55页 |
| 6.4 加权稀疏子空间聚类 | 第55-56页 |
| 6.5 实验以及讨论 | 第56-58页 |
| 7 总结与展望 | 第58-60页 |
| 7.1 本文总结 | 第58-59页 |
| 7.2 展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68页 |
