| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 符号说明 | 第11-12页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12-16页 |
| 1.1.1 聚类的应用 | 第13-14页 |
| 1.1.2 聚类的关键属性 | 第14-16页 |
| 1.2 研究现状及存在的问题 | 第16-20页 |
| 1.2.1 聚类算法的发展现状 | 第16-19页 |
| 1.2.2 聚类在图像处理中的应用 | 第19-20页 |
| 1.3 文章的主要研究内容 | 第20-21页 |
| 1.4 本文的章节安排 | 第21-22页 |
| 第二章 聚类算法的基础概念与度量方法 | 第22-33页 |
| 2.1 聚类算法的定义 | 第22-23页 |
| 2.2 聚类的数据类型 | 第23-24页 |
| 2.2.1 数据类型 | 第23页 |
| 2.2.2 图像数据处理 | 第23-24页 |
| 2.3 数据间相似性定义 | 第24-25页 |
| 2.4 度量方法 | 第25-32页 |
| 2.4.1 基于属性相似性的度量模型 | 第26页 |
| 2.4.2 基于变换相似性度量模型 | 第26-27页 |
| 2.4.3 产生性相似性度量模型 | 第27页 |
| 2.4.4 基于空间相似性的度量模型 | 第27-30页 |
| 2.4.5 高斯相似性度量模型 | 第30-31页 |
| 2.4.6 度量融合 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于传递距离的谱聚类算法 | 第33-50页 |
| 3.1 引言 | 第33-34页 |
| 3.2 相关工作 | 第34-37页 |
| 3.2.1 谱聚类算法原理 | 第34-36页 |
| 3.2.2 基于高斯度量的NJW算法 | 第36-37页 |
| 3.3 基于传递距离的谱聚类算法 | 第37-44页 |
| 3.3.1 传递距离原理 | 第37-38页 |
| 3.3.2 构建传递路径 | 第38-39页 |
| 3.3.3 最小生成树Kruskal算法 | 第39-41页 |
| 3.3.4 构建传递矩阵 | 第41-43页 |
| 3.3.5 基于传递距离的谱聚类算法 | 第43-44页 |
| 3.4 实验结果与对比 | 第44-49页 |
| 3.4.1 人工数据集 | 第44-47页 |
| 3.4.2 标准UCI数据集 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于传递核映射的K-means二元属性算法 | 第50-68页 |
| 4.1 引言 | 第50-51页 |
| 4.2 相关工作 | 第51-57页 |
| 4.2.1 K-means算法原理 | 第51-52页 |
| 4.2.2 基于1范数度量的K-means算法 | 第52-57页 |
| 4.3 基于传递核映射的K-means二元属性算法 | 第57-62页 |
| 4.3.1 传递核映射 | 第57-58页 |
| 4.3.2 K-means算法的二元属性 | 第58-60页 |
| 4.3.3 基于传递核映射的K-means二元属性算法 | 第60-62页 |
| 4.4 实验结果与比较 | 第62-67页 |
| 4.4.1 人工数据集 | 第62-66页 |
| 4.4.2 标准UCI数据集 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 基于传递距离的层次聚类算法 | 第68-78页 |
| 5.1 引言 | 第68-69页 |
| 5.2 相关工作 | 第69-71页 |
| 5.2.1 层次聚类原理 | 第69-71页 |
| 5.2.2 单连接Single-Linkage算法 | 第71页 |
| 5.3 基于传递距离的层次聚类算法 | 第71-74页 |
| 5.4 实验结果与比较 | 第74-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-88页 |
| 致谢 | 第88-90页 |
| 攻读硕士学位期间发表论文情况 | 第90-92页 |
