首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于流形的密度峰值聚类算法研究

摘要第4-5页
Abstract第5页
第一章 绪论第8-14页
    1.1 研究背景第8-9页
    1.2 研究现状第9-12页
    1.3 研究内容第12页
    1.4 论文结构第12-14页
第二章 聚类算法及评价标准第14-26页
    2.1 聚类分析算法第14-22页
        2.1.1 基于划分的方法第14-16页
        2.1.2 基于密度的方法第16-21页
        2.1.3 其他的聚类方法第21-22页
    2.2 聚类评价标准第22-25页
        2.2.1 内部评价标准第22-24页
        2.2.2 外部评价标准第24-25页
    2.3 本章小结第25-26页
第三章 基于测地线距离的密度峰值聚类算法第26-46页
    3.1 密度峰值聚类算法第26-34页
        3.1.1 局部密度与距离第26-28页
        3.1.2 簇中心选取及聚类第28-30页
        3.1.3 离群点检测第30-31页
        3.1.4 实验结果第31-34页
    3.2 基于测地线距离的密度峰值聚类算法第34-40页
        3.2.1 相似性度量第34-38页
        3.2.2 簇中心自动选取第38-39页
        3.2.3 算法框架第39-40页
    3.3 实验与分析第40-43页
    3.4 参数讨论第43-45页
    3.5 本章小结第45-46页
第四章 基于等距映射的流形密度峰值聚类算法第46-58页
    4.1 基于等距映射的流形密度峰值聚类算法第46-49页
        4.1.1 流形学习第46-47页
        4.1.2 等距映射第47-48页
        4.1.3 算法框架第48-49页
    4.2 基于非负矩阵分解的密度峰值聚类算法第49-53页
        4.2.1 非负矩阵分解第49-52页
        4.2.2 算法框架第52-53页
    4.3 实验与分析第53-55页
    4.4 参数讨论第55-57页
    4.5 本章小结第57-58页
第五章 基于流形密度峰值的演化数据聚类算法第58-68页
    5.1 演化数据第58-59页
    5.2 演化聚类第59-61页
    5.3 基于流形密度峰值的演化数据聚类算法第61-63页
        5.3.1 算法思想第61-62页
        5.3.2 算法框架第62-63页
    5.4 实验与分析第63-67页
    5.5 本章小结第67-68页
第六章 总结与展望第68-70页
    6.1 全文总结第68-69页
    6.2 工作展望第69-70页
参考文献第70-74页
致谢第74-75页
攻读学位期间发表的学术论文与参加的研究工作第75-76页

论文共76页,点击 下载论文
上一篇:英美国家惩罚性赔偿制度及启示
下一篇:论行贿罪中的“为谋取不正当利益”