| 中文摘要 | 第1-12页 |
| ABSTRACT | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| ·聚类学习的研究意义 | 第15-16页 |
| ·聚类模型及算法的研究现状 | 第16-20页 |
| ·聚类学习所面临的一些问题 | 第20-21页 |
| ·本文的研究内容和组织结构 | 第21-23页 |
| 第二章 分类属性加权聚类模型的优化与算法 | 第23-55页 |
| ·引言 | 第23-25页 |
| ·经典K中心聚类算法 | 第25-27页 |
| ·基于K中心的软子空间聚类算法 | 第27-31页 |
| ·算法描述 | 第27-29页 |
| ·面向分类属性的加权失效问题 | 第29-31页 |
| ·面向分类属性的双加权聚类算法 | 第31-41页 |
| ·新的属性加权方式及其收敛性 | 第31-35页 |
| ·属性双加权方式及其收敛性 | 第35-41页 |
| ·算法的有效性分析 | 第41-52页 |
| ·小结 | 第52-55页 |
| 第三章 快速全局K-Means聚类算法的加速机制 | 第55-68页 |
| ·引言 | 第55-56页 |
| ·快速全局K-Means聚类算法及其规模性 | 第56-57页 |
| ·加速机制 | 第57-60页 |
| ·算法的复杂度分析 | 第60-62页 |
| ·算法的有效性分析 | 第62-66页 |
| ·小结 | 第66-68页 |
| 第四章 数据的非平衡性与多中心的模糊K-Means聚类算法 | 第68-98页 |
| ·引言 | 第68-70页 |
| ·模糊K-Means聚类算法及其“均匀效应” | 第70-74页 |
| ·模糊K-Means聚类算法 | 第70-71页 |
| ·“均匀效应”产生的原因 | 第71-74页 |
| ·多中心的模糊K-Means聚类算法 | 第74-86页 |
| ·类中心的生成 | 第75-78页 |
| ·聚类数目的确定 | 第78-83页 |
| ·类中心的组织 | 第83-86页 |
| ·算法的总流程 | 第86页 |
| ·算法的有效性分析 | 第86-96页 |
| ·小结 | 第96-98页 |
| 第五章 类别标记与概念漂移的凸规划求解 | 第98-114页 |
| ·引言 | 第98-100页 |
| ·数据类别标记 | 第100-104页 |
| ·概念漂移检测 | 第104-106页 |
| ·算法的有效性分析 | 第106-107页 |
| ·小结 | 第107-114页 |
| 第六章 有效性函数与分类数据的聚类评测 | 第114-132页 |
| ·引言 | 第114-116页 |
| ·聚类有效性评测函数的泛化 | 第116-121页 |
| ·类内信息在评测中的有效性 | 第121-123页 |
| ·聚类有效性评测函数的归一化 | 第123-125页 |
| ·实验分析 | 第125-127页 |
| ·小结 | 第127-132页 |
| 结论与展望 | 第132-134页 |
| 参考文献 | 第134-146页 |
| 攻读博士学位期间的研究成果 | 第146-148页 |
| 致谢 | 第148-150页 |
| 个人简况及联系方式 | 第150-154页 |