基于深度神经网络的聚类算法研究
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 1 绪论 | 第12-21页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 深度神经网络的研究现状 | 第15-16页 |
| 1.2.2 无监督学习的研究现状 | 第16-17页 |
| 1.2.3 聚类分析的研究现状 | 第17-19页 |
| 1.3 论文的研究内容 | 第19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 2 相关理论 | 第21-32页 |
| 2.1 深度神经网络 | 第21-22页 |
| 2.2 堆叠自动编码器 | 第22-25页 |
| 2.2.1 稀疏自动编码器 | 第24页 |
| 2.2.2 降噪自动编码器 | 第24-25页 |
| 2.2.3 收缩自动编码器 | 第25页 |
| 2.3 聚类 | 第25-30页 |
| 2.3.1 聚类的定义及分类 | 第25-26页 |
| 2.3.2 自组织映射网络 | 第26-28页 |
| 2.3.3 高斯混合模型 | 第28-29页 |
| 2.3.4 评价准则 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 3 基于SOM的深度聚类算法 | 第32-39页 |
| 3.1 算法描述 | 第32-34页 |
| 3.2 数据集与参数设置 | 第34-35页 |
| 3.2.1 实验数据集 | 第34页 |
| 3.2.2 实验参数 | 第34-35页 |
| 3.3 实验结果与分析 | 第35-38页 |
| 3.3.1 聚类算法模型对比 | 第35-36页 |
| 3.3.2 降维模型实验对比 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于GMM的深度聚类算法 | 第39-45页 |
| 4.1 算法描述 | 第39-41页 |
| 4.2 实验结果与分析 | 第41-44页 |
| 4.2.1 实验说明 | 第41页 |
| 4.2.2 实验结果分析 | 第41-44页 |
| 4.3 本章小结 | 第44-45页 |
| 5 结论与展望 | 第45-47页 |
| 5.1 结论 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间的学术成果 | 第50-51页 |
| 致谢 | 第51页 |
