高维数据投影聚类算法研究及应用
| 中文摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 中文文摘 | 第6-10页 |
| 绪论 | 第10-14页 |
| 第一节 研究背景及意义 | 第10页 |
| 第二节 国内外研究现状 | 第10-11页 |
| 第三节 论文组织结构 | 第11-14页 |
| 第一章 高维数据的投影聚类及其主要方法 | 第14-22页 |
| 第一节 聚类分析 | 第14-16页 |
| 1.1 聚类过程 | 第14页 |
| 1.2 主要聚类算法 | 第14-16页 |
| 第二节 高维数据的聚类分析 | 第16-17页 |
| 2.1 高维数据对聚类方法影响 | 第16页 |
| 2.2 子空间聚类 | 第16-17页 |
| 第三节 投影聚类 | 第17-22页 |
| 3.1 投影聚类分析 | 第17-18页 |
| 3.2 主要投影聚类算法 | 第18-22页 |
| 第二章 基于特征差异的投影聚类算法 | 第22-32页 |
| 第一节 算法描述 | 第22-26页 |
| 1.1 特征差异 | 第22-23页 |
| 1.2 聚类目标函数 | 第23-24页 |
| 1.3 聚类算法 | 第24-25页 |
| 1.4 算法分析 | 第25-26页 |
| 第二节 实验分析 | 第26-31页 |
| 2.1 实验设置 | 第26-27页 |
| 2.2 实验数据及结果分析 | 第27-31页 |
| 第三节 本章小结 | 第31-32页 |
| 第三章 基于相对熵的自适应投影聚类算法 | 第32-42页 |
| 第一节 问题描述 | 第32-33页 |
| 第二节 基于相对熵的自适应投影聚类 | 第33-37页 |
| 2.1 子空间差异 | 第33-34页 |
| 2.2 目标函数 | 第34页 |
| 2.3 参数优化 | 第34-36页 |
| 2.4 算法过程 | 第36-37页 |
| 第三节 实验分析 | 第37-40页 |
| 3.1 实验设置与环境 | 第37-38页 |
| 3.2 实际数据集实验 | 第38-40页 |
| 第四节 本章小结 | 第40-42页 |
| 第四章 投影聚类在移动数据朋友圈挖掘中的应用 | 第42-50页 |
| 第一节 朋友圈挖掘概述 | 第42-43页 |
| 第二节 模型与方法 | 第43-46页 |
| 2.1 非重叠子空间簇类的模型 | 第43-44页 |
| 2.2 朋友圈挖掘方法 | 第44-46页 |
| 第三节 实验分析 | 第46-48页 |
| 3.1 实验设置 | 第46页 |
| 3.2 移动数据集 | 第46-47页 |
| 3.3 实验结果与分析 | 第47-48页 |
| 第四节 本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 第一节 总结 | 第50-51页 |
| 第二节 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间承担的科研任务与主要成果 | 第56-58页 |
| 致谢 | 第58-60页 |
| 个人简历 | 第60-62页 |
