| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·本文研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·聚类集成研究现状 | 第12-13页 |
| ·半监督聚类研究现状 | 第13-14页 |
| ·本文主要内容和结构安排 | 第14-16页 |
| 第2章 数据挖掘与聚类分析概述 | 第16-23页 |
| ·数据挖掘 | 第16-19页 |
| ·数据挖掘概述 | 第16页 |
| ·数据挖掘的步骤和任务 | 第16-17页 |
| ·数据挖掘的工具和应用 | 第17-19页 |
| ·聚类分析 | 第19-23页 |
| ·聚类分析概述 | 第19-20页 |
| ·聚类分析中的相似性度量 | 第20页 |
| ·聚类分析中的主要方法 | 第20-23页 |
| 第3章 聚类集成 | 第23-34页 |
| ·聚类集成概述 | 第23-24页 |
| ·差异性聚类成员生成方法 | 第24-25页 |
| ·共识函数设计方法 | 第25-27页 |
| ·基于自组织特征映射的聚类集成算法 | 第27-34页 |
| ·自组织特征映射 | 第27-29页 |
| ·聚类综合质量 | 第29-30页 |
| ·特征空间变换 | 第30-32页 |
| ·聚类成员加权 | 第32页 |
| ·基于SOM的聚类集成算法 | 第32-34页 |
| 第4章 半监督聚类分析 | 第34-48页 |
| ·半监督聚类分析概述 | 第34-35页 |
| ·先验知识的形式 | 第35-36页 |
| ·改进的Cop-Kmeans算法 | 第36-41页 |
| ·Cop-Kmeans算法的原理 | 第36-37页 |
| ·Cop-Kmeans算法的缺陷 | 第37-39页 |
| ·改进的Cop-Kmeans算法ICop-Kmeans | 第39-41页 |
| ·基于样本确定度的半监督聚类算法样本分配顺序 | 第41-45页 |
| ·半监督聚类算法中样本顺序敏感性分析 | 第41-43页 |
| ·基于互信息加权的共联矩阵 | 第43页 |
| ·样本确定度 | 第43-45页 |
| ·新的样本分配顺序 | 第45页 |
| ·基于成对约束的半监督SOM算法Cop-Som | 第45-47页 |
| ·基于Cop-Som的半监督聚类集成算法 | 第47-48页 |
| 第5章 聚类实验结果和分析 | 第48-69页 |
| ·实验数据集 | 第48页 |
| ·实验评价方法 | 第48-49页 |
| ·SOM聚类集成实验 | 第49-52页 |
| ·半监督聚类实验 | 第52-69页 |
| ·ICop-Kmeans算法和Cop-Kmeans算法比较 | 第52-57页 |
| ·ICop-Kmeans算法对输入样本顺序敏感性实验 | 第57-63页 |
| ·Cop-Som算法实验 | 第63-65页 |
| ·基于Cop-Som的半监督聚类集成实验 | 第65-69页 |
| 结论与展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间发表的论文 | 第77-78页 |
