| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及内容 | 第9-12页 |
| 1.2 研究意义及方法 | 第12-14页 |
| 1.3 本文内容及结构安排 | 第14-15页 |
| 第二章 启发式算法 | 第15-26页 |
| 2.1 启发式算法概述 | 第15页 |
| 2.2 启发式算法的分类 | 第15-25页 |
| 2.2.1 古典启发算法 | 第16-18页 |
| 2.2.2 元启发算法 | 第18-24页 |
| 2.2.3 组合启发算法 | 第24-25页 |
| 2.3 本章总结 | 第25-26页 |
| 第三章 集成学习 | 第26-39页 |
| 3.1 集成学习简介 | 第26页 |
| 3.2 分类集成学习(监督集成学习) | 第26-29页 |
| 3.3 无监督集成学习 | 第29-32页 |
| 3.3.1 基划分生成 | 第30页 |
| 3.3.2 基划分融合 | 第30-32页 |
| 3.3.2.1 基于重标注的一致性函数 | 第30-31页 |
| 3.3.2.2 基于共联矩阵的一致性函数 | 第31-32页 |
| 3.3.2.3 基于超图的一致性函数 | 第32页 |
| 3.4 半监督集成学习 | 第32-37页 |
| 3.4.1 半监督分类集成学习 | 第32-33页 |
| 3.4.2 半监督聚类集成 | 第33-37页 |
| 3.5 本章总结 | 第37-39页 |
| 第四章 基于启发思想的半监督聚类集成框架 | 第39-53页 |
| 4.1 基于集成成员选择的半监督聚类集成框架(ISSCE) | 第39-45页 |
| 4.1.1 基于随机子空间方法的集成成员生成器 | 第40-41页 |
| 4.1.2 启发式集成成员选择器 | 第41-43页 |
| 4.1.3 基于图算法的一致性结果生成器 | 第43-45页 |
| 4.2 基于约束投影的双加权半监督聚类集成框架(DCECP) | 第45-52页 |
| 4.2.1 约束选择赋权及特征空间加权约束投影 | 第46-49页 |
| 4.2.2 改进的基于图的加权一致性函数 | 第49页 |
| 4.2.3 自适应集成成员加权集成过程 | 第49-52页 |
| 4.3 本章总结 | 第52-53页 |
| 第五章 实验分析 | 第53-67页 |
| 5.1 实验环境 | 第53页 |
| 5.2 实验数据集 | 第53-54页 |
| 5.3 实验结果评价指标 | 第54-55页 |
| 5.3.1 NMI | 第54页 |
| 5.3.2 ARI | 第54-55页 |
| 5.4 实验结果 | 第55-65页 |
| 5.4.1 基于集成成员选择的半监督聚类集成框架实验结果 | 第55-62页 |
| 5.4.2 基于约束投影的双加权半监督聚类集成框架实验结果 | 第62-65页 |
| 5.5 本章总结 | 第65-67页 |
| 总结与展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附表 | 第75页 |
