數(shù)據(jù)與數(shù)據(jù)流的聚類(lèi)半監(jiān)督聚類(lèi)及加權(quán)聚類(lèi)

第一章 緒論
1.1 引言
1.2 本書(shū)的研究背景與意義
1.3 與本課題相關(guān)的國(guó)內(nèi)外研究進(jìn)展
1.3.1 數(shù)據(jù)挖掘
1.3.2 特征選擇和特征加權(quán)
1.3.3 聚類(lèi)分析
1.3.4 半監(jiān)督聚類(lèi)
1.4 本書(shū)的主要內(nèi)容
第二章 面向數(shù)據(jù)流的加權(quán)聚類(lèi)及演化分析
2.1 引言
2.2 問(wèn)題描述及聚類(lèi)、聚類(lèi)簇的定義
2.2.1 聚類(lèi)的數(shù)據(jù)結(jié)構(gòu)定義
2.2.2 聚類(lèi)簇的數(shù)據(jù)結(jié)構(gòu)定義
2.2.3 聚類(lèi)的加法和減法定理
2.3 聚類(lèi)的融合及差與聚類(lèi)簇的融合及差
2.3.1 聚類(lèi)、聚類(lèi)簇的數(shù)據(jù)結(jié)構(gòu)定義及相關(guān)算法
2.3.2 聚類(lèi)差的數(shù)據(jù)結(jié)構(gòu)定義及相關(guān)算法
2.3.3 聚類(lèi)的融合及差
2.3.4 聚類(lèi)簇的融合及差
2.4 面向數(shù)據(jù)流的加權(quán)聚類(lèi)分析及演化分析框架
2.5 仿真實(shí)驗(yàn)
2.5.1 聚類(lèi)及演化分析框架的實(shí)例說(shuō)明
2.5.2 聚類(lèi)簇的融合及演化分析的驗(yàn)證實(shí)驗(yàn)
2.6 結(jié)論
2.7 本章小結(jié)
第三章 混合屬性數(shù)據(jù)流的加權(quán)聚類(lèi)及演化分析
3.1 引言
3.2 混合屬性數(shù)據(jù)流的聚類(lèi)及聚類(lèi)簇定義
3.2.1 有序?qū)傩陨系耐队熬垲?lèi)及投影聚類(lèi)簇結(jié)構(gòu)定義
3.2.2 無(wú)序類(lèi)別屬性上的投影聚類(lèi)及投影聚類(lèi)簇結(jié)構(gòu)定義
3.2.3 無(wú)序類(lèi)別屬性上的投影聚類(lèi)結(jié)構(gòu)的第二種定義
3.2.4 混合屬性數(shù)據(jù)流的聚類(lèi)及聚類(lèi)簇結(jié)構(gòu)定義
3.2.5 混合屬性數(shù)據(jù)流的聚類(lèi)和聚類(lèi)簇的構(gòu)造方法
3.3 混合屬性數(shù)據(jù)流的兩步投影聚類(lèi)方法
3.3.1 兩步投影聚類(lèi)方法
3.3.2 兩步投影聚類(lèi)方法的改進(jìn)
3.3.3 求兩個(gè)有序集合的交集
3.4 混合屬性數(shù)據(jù)流的分段及融合聚類(lèi)框架
3.4.1 分段策略
3.4.2 融合策略
3.5 仿真實(shí)驗(yàn)
3.5.1 混合屬性數(shù)據(jù)集的兩步投影聚類(lèi)方法的有效性驗(yàn)證
3.5.2 混合屬性數(shù)據(jù)流的分段及融合聚類(lèi)框架的有效性驗(yàn)證
3.6 本章小結(jié)
第四章 推進(jìn)式優(yōu)化特征權(quán)重的k-中心點(diǎn)聚類(lèi)方法
4.1 引言
4.2 基于特征權(quán)重優(yōu)化的推進(jìn)式k-中心點(diǎn)聚類(lèi)算法
4.2.1 問(wèn)題描述
4.2.2 基于特征權(quán)重優(yōu)化的推進(jìn)式k-中心點(diǎn)聚類(lèi)算法描述
4.3 相異性度量的第一種特征權(quán)重優(yōu)化方法
4.3.1 有序?qū)傩宰蛹奶卣鳈?quán)重優(yōu)化
4.3.2 無(wú)序?qū)傩宰蛹奶卣鳈?quán)重優(yōu)化
4.3.3 第一種特征權(quán)重優(yōu)化方法的描述
4.4 相異性度量的第二種特征權(quán)重優(yōu)化方法
4.4.1 最小化目標(biāo)函數(shù)
4.4.2 最大化目標(biāo)函數(shù)
4.4.3 最小化混合目標(biāo)函數(shù)
4.4.4 參數(shù)λ和γ的自適應(yīng)優(yōu)化
4.4.5 第二種特征權(quán)重優(yōu)化方法的描述
4.5 仿真實(shí)驗(yàn)
4.5.1 仿真實(shí)驗(yàn)設(shè)計(jì)
4.5.2 仿真實(shí)驗(yàn)結(jié)果
4.5.3 實(shí)驗(yàn)結(jié)果分析及結(jié)論
4.6 本章小結(jié)
第五章 基于半監(jiān)督學(xué)習(xí)的k平均聚類(lèi)框架
5.1 引言
5.2 混合屬性數(shù)據(jù)點(diǎn)集的基于半監(jiān)督學(xué)習(xí)的k平均聚類(lèi)框架
5.2.1 問(wèn)題描述
5.2.2 基于半監(jiān)督學(xué)習(xí)的k平均聚類(lèi)框架
5.3 基于半監(jiān)督學(xué)習(xí)的尼平均聚類(lèi)方法
5.3.1 基于MST（Minimum Spanning Tree）的半監(jiān)督學(xué)習(xí)算法
5.3.2 基于MSF的半監(jiān)督學(xué)習(xí)算法
5.3.3 基于歸屬度的k平均聚類(lèi)算法
5.4 仿真實(shí)驗(yàn)
5.4.1 仿真實(shí)驗(yàn)設(shè)計(jì)
5.4.2 仿真實(shí)驗(yàn)結(jié)果
5.4.3 實(shí)驗(yàn)結(jié)果分析及結(jié)論
5.5 本章小結(jié)
第六章 混合屬性數(shù)據(jù)集的基于近鄰連接的兩階段聚類(lèi)算法
6.1 引言
6.2 問(wèn)題描述與相關(guān)的定義及性質(zhì)
6.2.1 問(wèn)題描述
6.2.2 定義與性質(zhì)
6.3 混合屬性數(shù)據(jù)集的基于近鄰連接的兩階段聚類(lèi)算法
6.3.1 算法描述
6.3.2 算法的改進(jìn)與時(shí)空復(fù)雜度分析
6.3.3 參數(shù)的設(shè)置與優(yōu)化
6.4 仿真實(shí)驗(yàn)
6.4.1 仿真實(shí)驗(yàn)設(shè)計(jì)
6.4.2 仿真實(shí)驗(yàn)結(jié)果
6.4.3 實(shí)驗(yàn)結(jié)果分析及結(jié)論
6.5 本章小結(jié)
第七章 面向混合屬性數(shù)據(jù)集的雙重聚類(lèi)方法
7.1 引言
7.2 混合屬性數(shù)據(jù)集的雙重聚類(lèi)方法
7.2.1 問(wèn)題描述
7.2.2 雙重聚類(lèi)方法的基本流程
7.2.3 雙重聚類(lèi)方法
7.2.4 幾個(gè)算法的性能比較
7.3 仿真實(shí)驗(yàn)
7.3.1 仿真實(shí)驗(yàn)設(shè)計(jì)
7.3.2 仿真實(shí)驗(yàn)結(jié)果
7.3.3 實(shí)驗(yàn)結(jié)果分析及結(jié)論
7.4 本章小結(jié)
第八章 一種自適應(yīng)優(yōu)化相異性度量的基于MST的半監(jiān)督聚類(lèi)方法
8.1 引言
8.2 混合屬性數(shù)據(jù)點(diǎn)集的基于MST的半監(jiān)督聚類(lèi)分析方法
8.2.1 問(wèn)題描述
8.2.2 混合屬性數(shù)據(jù)點(diǎn)集的基于MST的半監(jiān)督聚類(lèi)分析方法
8.2.3 混合屬性數(shù)據(jù)點(diǎn)集的相異性度量的定義
8.2.4 混合屬性數(shù)據(jù)點(diǎn)集的相異性度量的優(yōu)化
8.3 一種自適應(yīng)優(yōu)化相異性度量的方法
8.3.1 算法描述
8.3.2 算法的討論及分析
8.4 基于MST的分離集合并聚類(lèi)算法
8.4.1 算法描述
8.4.2 算法的討論及分析
8.5 仿真實(shí)驗(yàn)
8.5.1 仿真實(shí)驗(yàn)設(shè)計(jì)
8.5.2 仿真實(shí)驗(yàn)結(jié)果
8.5.3 實(shí)驗(yàn)結(jié)果分析及結(jié)論
8.6 本章小結(jié)
附錄1 第二章的數(shù)據(jù)結(jié)構(gòu)定義及相關(guān)算法的C語(yǔ)言實(shí)現(xiàn)
附錄2 第三章的數(shù)據(jù)結(jié)構(gòu)定義及相關(guān)算法的C語(yǔ)言函數(shù)聲明形式
參考文獻(xiàn)