基于特征偏好的聚类算法研究与实现
| 摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 注释表 | 第9-10页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文主要工作 | 第15页 |
| 1.4 本文内容安排 | 第15-17页 |
| 第二章 相关聚类算法回顾与分析 | 第17-29页 |
| 2.1 聚类分析中常用的数据类型 | 第17-18页 |
| 2.2 聚类分析中常用的距离度量方式与相似系数 | 第18-22页 |
| 2.2.1 距离度量 | 第18-21页 |
| 2.2.2 相似系数 | 第21-22页 |
| 2.3 常见的聚类评价函数 | 第22-23页 |
| 2.4 相关聚类算法 | 第23-28页 |
| 2.4.1 k-means聚类算法 | 第24页 |
| 2.4.2 FCM算法 | 第24-25页 |
| 2.4.3 W-K-means算法 | 第25-26页 |
| 2.4.4 FWSC算法 | 第26-27页 |
| 2.4.5 EWSC算法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 一种基于特征偏好的聚类算法 | 第29-39页 |
| 3.1 特征选择与特征加权 | 第29-31页 |
| 3.1.1 特征选择 | 第29-30页 |
| 3.1.2 特征加权 | 第30-31页 |
| 3.2 动机和主要思想 | 第31页 |
| 3.3 算法模型 | 第31-34页 |
| 3.3.1 目标函数构建 | 第31-33页 |
| 3.3.2 聚类依赖的局部权重建模 | 第33-34页 |
| 3.4 目标优化和算法设计与分析 | 第34-36页 |
| 3.4.1 目标优化 | 第34-35页 |
| 3.4.2 算法设计与实现 | 第35-36页 |
| 3.4.3 算法复杂性分析 | 第36页 |
| 3.5 实验 | 第36-38页 |
| 3.5.1 实验设置 | 第36页 |
| 3.5.2 实验数据集 | 第36-37页 |
| 3.5.3 实验结果对比 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 结合特征偏好的半监督聚类 | 第39-49页 |
| 4.1 动机和主要思想 | 第39-40页 |
| 4.1.1 半监督学习 | 第39-40页 |
| 4.2 模型建立 | 第40-44页 |
| 4.2.1 算法模型 | 第40-42页 |
| 4.2.2 目标优化及算法设计 | 第42-44页 |
| 4.3 算法实现 | 第44-48页 |
| 4.3.1 实验设置与实验评价 | 第44-45页 |
| 4.3.2 单一半监督信息下的实验结果 | 第45-46页 |
| 4.3.3 联合半监督信息下的实验结果 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 已有工作总结 | 第49-50页 |
| 5.2 未来工作展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58页 |
| 攻读硕士学位期间参加的科研项目 | 第58页 |
