| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 引言 | 第11-13页 |
| 第一章 聚类问题简介 | 第13-24页 |
| 1.1 聚类问题的产生和相关研究背景 | 第13-16页 |
| 1.2 聚类算法的基本概述 | 第16页 |
| 1.3 主要的聚类方法分析比较 | 第16-20页 |
| 1.3.1 划分聚类算法 | 第16-17页 |
| 1.3.2 基于密度的聚类算法 | 第17-18页 |
| 1.3.3 基于层次聚类算法 | 第18-19页 |
| 1.3.4 基于网格的聚类算法 | 第19-20页 |
| 1.3.5 基于模型的聚类算法 | 第20页 |
| 1.4 本文研究的相关聚类算法 | 第20-24页 |
| 1.4.1 模糊c均值聚类 | 第21-22页 |
| 1.4.2 本文提出的相关聚类算法 | 第22-24页 |
| 第二章 一种改进的特征加权聚类算法 | 第24-34页 |
| 2.1 算法思路 | 第24页 |
| 2.2 研究背景 | 第24-26页 |
| 2.3 最大距离最小化方法 | 第26-28页 |
| 2.4 改进的方法 | 第28-30页 |
| 2.5 实验分析与结果讨论 | 第30-34页 |
| 第三章 考虑信息均衡与数据簇可分性的模糊软子空间聚类 | 第34-55页 |
| 3.1 算法思路 | 第34页 |
| 3.2 研究背景 | 第34-37页 |
| 3.3 考虑信息均衡与数据簇可分性的模糊软子空间聚类算法 | 第37-41页 |
| 3.3.1 子空间模糊聚类 | 第38-39页 |
| 3.3.2 考虑数据簇可分性的子空间模糊聚类 | 第39页 |
| 3.3.3 基于信息均衡的子空间模糊聚类 | 第39-41页 |
| 3.4 考虑信息均衡与数据簇可分性的模糊软子空间聚类的有效处理算法 | 第41-46页 |
| 3.4.1 迭代优化分析 | 第41-45页 |
| 3.4.2 算法描述 | 第45-46页 |
| 3.5 实验结果与分析 | 第46-55页 |
| 3.5.1 实验中对比算法 | 第46-47页 |
| 3.5.2 人工数据集实验 | 第47-51页 |
| 3.5.3 真实数据实验 | 第51-53页 |
| 3.5.4 结论分析 | 第53-55页 |
| 第四章 总结与展望 | 第55-58页 |
| 参考文献 | 第58-63页 |
| 作者在攻读硕士期间发表的论文 | 第63-65页 |
| 致谢 | 第65-66页 |
