| 摘要 | 第7-9页 |
| abstract | 第9-10页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 数据挖掘的研究概况 | 第14-15页 |
| 1.2.1 数据挖掘过程 | 第14-15页 |
| 1.2.2 数据挖掘的相关技术 | 第15页 |
| 1.3 数据挖掘聚类算法的发展和研究现状 | 第15-17页 |
| 1.3.1 传统聚类算法 | 第15-16页 |
| 1.3.2 聚类新算法 | 第16-17页 |
| 1.4 数据挖掘中谱聚类算法的发展和研究现状 | 第17-18页 |
| 1.5 本文的主要工作和结构 | 第18-20页 |
| 第2章 谱聚类算法 | 第20-26页 |
| 2.1 谱聚类算法的基础理论 | 第20-22页 |
| 2.1.1 图概念 | 第20-21页 |
| 2.1.2 图划分准则 | 第21-22页 |
| 2.2 谱聚类算法的分类 | 第22-24页 |
| 2.2.1 二路谱聚类 | 第22-24页 |
| 2.2.2 多路谱聚类 | 第24页 |
| 2.3 k-means聚类算法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于密度敏感的改进自适应谱聚类算法 | 第26-33页 |
| 3.1 引言 | 第26页 |
| 3.2 基于密度敏感的谱聚类算法 | 第26-29页 |
| 3.2.1 Self-Tuning谱聚类(STSC)算法 | 第26-27页 |
| 3.2.2 基于密度敏感的改进谱聚类算法 | 第27-28页 |
| 3.2.3 算法步骤 | 第28-29页 |
| 3.3 实验分析 | 第29-32页 |
| 3.3.1 人工数据集的实验结果及其分析 | 第30-31页 |
| 3.3.2 UCI数据集的实验结果及其分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于AFS的改进谱聚类算法 | 第33-47页 |
| 4.1 引言 | 第33-34页 |
| 4.2 AFS算法 | 第34页 |
| 4.3 基于AFS的改进谱聚类算法 | 第34-40页 |
| 4.3.1 在AFS空间中建立距离测量 | 第34-37页 |
| 4.3.2 Nystro?m采样算法 | 第37-39页 |
| 4.3.3 算法步骤 | 第39-40页 |
| 4.4 实验分析 | 第40-46页 |
| 4.4.1 性能指标 | 第40-41页 |
| 4.4.2 UCI数据集的实验结果与分析 | 第41-43页 |
| 4.4.3 图像分割 | 第43-46页 |
| 4.4.4 算法复杂度分析 | 第46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于大数据的快速核谱聚类算法 | 第47-55页 |
| 5.1 引言 | 第47页 |
| 5.2 核谱聚类 | 第47-48页 |
| 5.3 快速核谱聚类 | 第48-50页 |
| 5.3.1 Nystro?m方法 | 第48页 |
| 5.3.2 FKSC算法 | 第48-49页 |
| 5.3.3 算法步骤 | 第49-50页 |
| 5.3.4 计算复杂度 | 第50页 |
| 5.4 实验分析 | 第50-53页 |
| 5.4.1 性能指标 | 第50-52页 |
| 5.4.2 UCI数据集的实验结果与分析 | 第52-53页 |
| 5.5 本章小结 | 第53-55页 |
| 总结与展望 | 第55-57页 |
| 总结 | 第55页 |
| 展望 | 第55-57页 |
| 参考文献 | 第57-64页 |
| 致谢 | 第64-65页 |
| 附录 攻读硕士学位期间所发表的学术论文 | 第65页 |