基于秩约束的自适应聚类方法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国外研究现状 | 第10-11页 |
| 1.3 国内研究现状 | 第11页 |
| 1.4 本文研究工作 | 第11-12页 |
| 1.5 本文体系结构 | 第12-14页 |
| 2 相似度测量与聚类 | 第14-24页 |
| 2.1 相似度测量 | 第14-17页 |
| 2.1.1 欧氏距离 | 第14页 |
| 2.1.2 曼哈顿距离 | 第14-15页 |
| 2.1.3 KL距离 | 第15-16页 |
| 2.1.4 余弦相似度 | 第16页 |
| 2.1.5 相关系数法 | 第16-17页 |
| 2.2 聚类定义及聚类过程 | 第17页 |
| 2.2.1 聚类定义 | 第17页 |
| 2.2.2 聚类过程 | 第17页 |
| 2.3 聚类方法 | 第17-23页 |
| 2.3.1 k-means算法 | 第20页 |
| 2.3.2 k-medoids算法 | 第20-21页 |
| 2.3.3 谱聚类算法 | 第21-22页 |
| 2.3.4 DBSCAN算法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 基于秩约束密度敏感距离的自适应聚类算法 | 第24-38页 |
| 3.1 基于密度敏感的距离 | 第24-26页 |
| 3.2 自适应聚类算法 | 第26-28页 |
| 3.2.1 构造相似矩阵 | 第26-27页 |
| 3.2.2 引入秩约束 | 第27-28页 |
| 3.3 参数λ的取值分析 | 第28-29页 |
| 3.4 算法描述 | 第29-30页 |
| 3.5 实验结果与分析 | 第30-36页 |
| 3.5.1 人工仿真数据集 | 第30-34页 |
| 3.5.2 真实数据集 | 第34-36页 |
| 3.6 本章小结 | 第36-38页 |
| 结论 | 第38-40页 |
| 参考文献 | 第40-44页 |
| 攻读硕士学位期间发表学术论文情况 | 第44-45页 |
| 致谢 | 第45页 |
