面向高维数据的PCA-Hub聚类方法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文研究的主要内容 | 第11-12页 |
| 1.4 论文的章节排版 | 第12-14页 |
| 2 聚类分析概述 | 第14-34页 |
| 2.1 聚类分析的定义 | 第14-15页 |
| 2.2 常用的聚类分析算法 | 第15-19页 |
| 2.2.1 层次聚类算法 | 第15-16页 |
| 2.2.2 基于中心的聚类算法 | 第16页 |
| 2.2.3 基于分布的聚类算法 | 第16-17页 |
| 2.2.4 基于密度的聚类算法 | 第17-19页 |
| 2.3 Hub聚类算法分析 | 第19-30页 |
| 2.3.1 Hubness现象 | 第19页 |
| 2.3.2 逆近邻数的分布与维数的关系 | 第19-22页 |
| 2.3.3 Hubs的位置 | 第22-23页 |
| 2.3.4 常用的Hub聚类算法 | 第23-30页 |
| 2.4 聚类分析的评价标准 | 第30-31页 |
| 2.5 聚类分析的评估检验 | 第31-33页 |
| 2.5.1 内部检验 | 第31-32页 |
| 2.5.2 外部检验 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 3 PCA-Hub聚类算法 | 第34-47页 |
| 3.1 维数灾难 | 第34-35页 |
| 3.2 基于逆近邻数偏度的降维方法 | 第35-41页 |
| 3.2.1 主成分分析 | 第36-39页 |
| 3.2.2 逆近邻数的偏度与本征维数的相互关系 | 第39-41页 |
| 3.3 PCA-Hub聚类算法 | 第41-42页 |
| 3.4 实验结果及其分析 | 第42-45页 |
| 3.5 本章小结 | 第45-47页 |
| 4 Quick PCA-Hub聚类算法 | 第47-53页 |
| 4.1 快速搜索前k个主成分 | 第47-48页 |
| 4.2 算法思想 | 第48-49页 |
| 4.3 实验结果及其分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60页 |
| A.作者在攻读硕士学位期间撰写的论文目录 | 第60页 |
