半监督聚类在学生寝室分配问题中的应用和基于贝叶斯统计改进的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10页 |
| 1.3 研究的应用价值 | 第10-11页 |
| 1.4 研究的主要工作 | 第11-13页 |
| 第2章 聚类算法 | 第13-26页 |
| 2.1 聚类分析与分类分析 | 第13页 |
| 2.2 聚类分析的相关介绍 | 第13-18页 |
| 2.2.1 数据矩阵 | 第14页 |
| 2.2.2 相似性度量 | 第14-16页 |
| 2.2.3 准则函数 | 第16-18页 |
| 2.3 评价方法 | 第18-19页 |
| 2.4 k-means聚类算法 | 第19-21页 |
| 2.4.1 k-means聚类算法简介 | 第19-20页 |
| 2.4.2 关于k-means聚类算法的评注 | 第20页 |
| 2.4.3 k-means算法流程 | 第20-21页 |
| 2.5 基于对象数约束的k-means聚类算法 | 第21-25页 |
| 2.5.1 半监督聚类问题分析 | 第21-23页 |
| 2.5.2 度量矩阵的冒泡算法 | 第23-24页 |
| 2.5.3 度量矩阵冒泡算法的多样性 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 寝室分配问题与分析求解 | 第26-33页 |
| 3.1 问题描述 | 第26页 |
| 3.2 数据类型设置 | 第26-28页 |
| 3.3 度量选择 | 第28页 |
| 3.4 数据和实验 | 第28-32页 |
| 3.4.1 数据描述 | 第28-30页 |
| 3.4.2 实验与分析 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于统计学习半监督聚类算法 | 第33-44页 |
| 4.1 问题描述 | 第33页 |
| 4.2 贝叶斯统计推断 | 第33-39页 |
| 4.2.1 贝叶斯公式 | 第33-35页 |
| 4.2.2 聚类分析中的贝叶斯模型 | 第35-39页 |
| 4.3 基于贝叶斯统计的k-means聚类 | 第39-41页 |
| 4.4 算法流程 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 高斯分布数据下算法比较 | 第44-53页 |
| 5.1 数据设计与实验分析 | 第44-52页 |
| 5.1.1 数据描述 | 第44-45页 |
| 5.1.2 实验与分析 | 第45-52页 |
| 5.2 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58页 |
