| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 聚类算法的研究现状 | 第10-12页 |
| 1.3 研究内容及文章结构 | 第12-15页 |
| 第二章 预备知识 | 第15-23页 |
| 2.1 距离 | 第15-18页 |
| 2.1.1 常见距离 | 第15-16页 |
| 2.1.2 Mahalanobis距离 | 第16-17页 |
| 2.1.3 Grassmann距离 | 第17-18页 |
| 2.2 K-均值算法的改进 | 第18-21页 |
| 2.2.1 传统K-均值算法 | 第18-19页 |
| 2.2.2 最大距离法选取初始聚簇中心的K-均值算法 | 第19-21页 |
| 2.3 NJW谱聚类算法 | 第21-23页 |
| 第三章 基于稀疏相似度矩阵的谱聚类算法 | 第23-38页 |
| 3.1 稀疏相似度矩阵的选取 | 第23-24页 |
| 3.2 基于稀疏相似度矩阵的定参谱聚类算法 | 第24-30页 |
| 3.2.1 算法描述 | 第24-25页 |
| 3.2.2 数据实验与分析 | 第25-30页 |
| 3.3 基于稀疏相似度矩阵的自适应谱聚类算法 | 第30-38页 |
| 3.3.1 算法描述 | 第30-32页 |
| 3.3.2 数据实验与分析 | 第32-38页 |
| 第四章 总结与展望 | 第38-39页 |
| 参考文献 | 第39-43页 |
| 致谢 | 第43页 |