| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景和内容 | 第9-10页 |
| 1.2 研究意义和方法 | 第10-11页 |
| 1.3 本论文的结构安排 | 第11-12页 |
| 第二章 相关工作和理论 | 第12-19页 |
| 2.1 集成学习 | 第12页 |
| 2.2 聚类集成算法 | 第12-15页 |
| 2.2.1 第一类聚类集成算法 | 第12-13页 |
| 2.2.2 第二类聚类集成算法 | 第13-14页 |
| 2.2.3 第三类聚类集成算法 | 第14-15页 |
| 2.2.4 现有算法的不足 | 第15页 |
| 2.3 高维聚类集成研究 | 第15-17页 |
| 2.3.1 第一类基因数据聚类集成研究 | 第15-16页 |
| 2.3.2 第二类基因数据聚类集成研究 | 第16-17页 |
| 2.3.3 基因数据聚类集成参考资料 | 第17页 |
| 2.4 新算法的创新点 | 第17-18页 |
| 2.4.1 GMMSE 算法的创新 | 第17-18页 |
| 2.4.2 SC~3算法的创新 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 基于高斯混合模型的聚类结构集成 | 第19-28页 |
| 3.1 GMMSE 算法的设计思路 | 第19页 |
| 3.2 GMMSE 算法的总体框架 | 第19-20页 |
| 3.3 GMMSE 算法的具体流程 | 第20-27页 |
| 3.3.1 生成新数据集 | 第20-21页 |
| 3.3.2 高斯混合模型的初始化 | 第21页 |
| 3.3.3 高斯混合模型的生成 | 第21-22页 |
| 3.3.4 结构一致性矩阵的生成 | 第22-24页 |
| 3.3.5 一致性矩阵的划分过程 | 第24-25页 |
| 3.3.6 原始数据样本的归类 | 第25-26页 |
| 3.3.7 GMMSE 算法的时间和空间代价 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 基于三重谱聚类的聚类集成算法 | 第28-35页 |
| 4.1 SC~3算法的设计理念 | 第28页 |
| 4.2 SC~3算法的总体流程框架 | 第28-29页 |
| 4.3 SC~3算法的详细流程 | 第29-34页 |
| 4.3.1 基础聚类结果的生成 | 第30-32页 |
| 4.3.2 最终聚类结果的划分 | 第32-34页 |
| 4.4 本章小结 | 第34-35页 |
| 第五章 实验测评 | 第35-69页 |
| 5.1 实验设计和环境 | 第35-36页 |
| 5.2 聚类结果的评价指标 | 第36-38页 |
| 5.3 GMMSE 算法的实验测评 | 第38-54页 |
| 5.3.1 实验数据说明 | 第38-41页 |
| 5.3.2 调查实验—不同指派准则的效果 | 第41-43页 |
| 5.3.3 调查实验—重采样技术的影响 | 第43-45页 |
| 5.3.4 调查实验—不同距离函数的影响 | 第45-46页 |
| 5.3.5 调查实验—K-means 初始化的影响 | 第46-48页 |
| 5.3.6 对比实验—相关单一聚类算法 | 第48-51页 |
| 5.3.7 对比实验—相关聚类集成算法 | 第51-54页 |
| 5.4 SC~3算法的实验测评 | 第54-68页 |
| 5.4.1 实验数据说明 | 第55-58页 |
| 5.4.2 调查实验—距离函数策略的影响 | 第58-60页 |
| 5.4.3 调查实验—创新策略的影响 | 第60-62页 |
| 5.4.4 对比实验—相关单一聚类算法 | 第62-64页 |
| 5.4.5 对比实验—相关聚类集成算法 | 第64-68页 |
| 5.5 本章小结 | 第68-69页 |
| 总结 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第75-77页 |
| 致谢 | 第77-78页 |
| 附件 | 第78页 |