基于集成的无监督离散化及在数据集相似性度量上的应用
| 论文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-10页 |
| 1 绪论 | 第10-16页 |
| ·课题背景 | 第10-13页 |
| ·国内外的相关研究 | 第13-15页 |
| ·论文的组织结构 | 第15-16页 |
| 2 离散化算法 | 第16-23页 |
| ·有监督的离散化 | 第16-18页 |
| ·基于统计量的算法 | 第16页 |
| ·基于类和属性依赖度的离散化算法 | 第16-17页 |
| ·基于贝叶斯分类器的离散化算法 | 第17页 |
| ·基于区间距离的有监督离散化方法 | 第17-18页 |
| ·无监督的离散化 | 第18-23页 |
| ·基于正态分布的近似等频率离散化 | 第18页 |
| ·关系保持的无监督离散化算法 | 第18-19页 |
| ·基于树的无监督离散化算法 | 第19-20页 |
| ·基于核函数的无监督离散化 | 第20-21页 |
| ·基于混合概率模型的无监督离散化 | 第21-23页 |
| 3 聚类相关的理论 | 第23-30页 |
| ·聚类算法介绍 | 第23-28页 |
| ·层次聚类方法 | 第23页 |
| ·基于网格的聚类算法 | 第23-24页 |
| ·基于模型的聚类算法 | 第24-28页 |
| ·聚类算法选择 | 第28-30页 |
| ·基于有效性指标的聚类推荐方法 | 第28页 |
| ·基于网格最小生成树的聚类推荐方法 | 第28页 |
| ·基于距离和排名的聚类算法选择 | 第28-30页 |
| 4 基于集成学习的无监督离散化 | 第30-42页 |
| ·数据集的划分 | 第30-31页 |
| ·离散化结果的集成 | 第31-36页 |
| ·划分最小子区间 | 第31页 |
| ·最小子区间的合并 | 第31-36页 |
| ·实验结果 | 第36-40页 |
| ·本章小结 | 第40-42页 |
| 5 聚类算法推荐 | 第42-52页 |
| ·特征提取 | 第42-46页 |
| ·基于二值化的特征 | 第43-45页 |
| ·基于稳定性的特征 | 第45-46页 |
| ·数据集相似性度量 | 第46页 |
| ·实验结果 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 在学研究成果 | 第57-58页 |
| 致谢 | 第58页 |
