| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 引言 | 第8-13页 |
| ·课题研究的背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文的主要工作及组织结构 | 第11-13页 |
| 第二章 半监督聚类相关知识 | 第13-24页 |
| ·数据挖掘技术简介 | 第13-16页 |
| ·数据挖掘的定义、历史和发展 | 第13-14页 |
| ·数据挖掘的主要方法 | 第14-16页 |
| ·关联规则方法 | 第14页 |
| ·决策树方法 | 第14-15页 |
| ·人工神经网络 | 第15-16页 |
| ·聚类分析技术 | 第16-20页 |
| ·聚类分析概念 | 第16-18页 |
| ·聚类分析定义 | 第16-17页 |
| ·距离和相似性的度量 | 第17-18页 |
| ·聚类分析方法分类 | 第18-20页 |
| ·划分聚类方法 | 第18-19页 |
| ·层次聚类方法 | 第19页 |
| ·密度聚类方法 | 第19-20页 |
| ·半监督聚类技术 | 第20-23页 |
| ·基于约束的半监督聚类方法 | 第20-21页 |
| ·基于距离的半监督聚类方法 | 第21页 |
| ·基于遗传算法的半监督聚类方法 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 半监督聚类利用成对约束信息的新方法 | 第24-34页 |
| ·成对约束的定义 | 第24页 |
| ·近邻度的定义 | 第24-25页 |
| ·凝聚层次聚类算法(AHC) | 第25-27页 |
| ·基于成对约束的半监督凝聚层次聚类算法(PS-AHC) | 第27-30页 |
| ·利用成对约束改变聚类簇之间的距离 | 第27-29页 |
| ·PS-AHC算法的步骤 | 第29-30页 |
| ·实验结果与分析 | 第30-33页 |
| ·实验方案 | 第30页 |
| ·结果与分析 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于遗传算法的改进半监督聚类算法 | 第34-44页 |
| ·建立遗传算法模型 | 第34-36页 |
| ·基于遗传算法的半监督聚类算法(LG-SSC) | 第36-38页 |
| ·基于遗传算法的改进半监督聚类算法(PLG-SSC) | 第38-40页 |
| ·利用类标记信息 | 第38-39页 |
| ·通过PFDS方法来利用成对约束信息 | 第39-40页 |
| ·PLG-SSC的整体描述 | 第40页 |
| ·实验结果与分析 | 第40-43页 |
| ·实验方案 | 第40-41页 |
| ·结果与分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 结论 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 在读期间已发表和录用的论文 | 第50-51页 |
| 个人简历 | 第51页 |