数据与数据流的聚类、半监督聚类及加权聚类PDF|Epub|txt|kindle电子书版本网盘下载

数据与数据流的聚类、半监督聚类及加权聚类PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 绪论1

1.1 引言1

1.2 本书的研究背景与意义1

1.3 与本课题相关的国内外研究进展2

1.3.1 数据挖掘2

1.3.2 特征选择和特征加权2

1.3.3 聚类分析2

1.3.4 半监督聚类4

1.4 本书的主要内容4

第二章 面向数据流的加权聚类及演化分析7

2.1 引言7

2.2 问题描述及聚类、聚类簇的定义8

2.2.1 聚类的数据结构定义8

2.2.2 聚类簇的数据结构定义8

2.2.3 聚类的加法和减法定理9

2.3 聚类的融合及差与聚类簇的融合及差9

2.3.1 聚类、聚类簇的数据结构定义及相关算法9

2.3.2 聚类差的数据结构定义及相关算法10

2.3.3 聚类的融合及差12

2.3.4 聚类簇的融合及差12

2.4 面向数据流的加权聚类分析及演化分析框架14

2.5 仿真实验15

2.5.1 聚类及演化分析框架的实例说明15

2.5.2 聚类簇的融合及演化分析的验证实验16

2.6 结论17

2.7 本章小结17

第三章 混合属性数据流的加权聚类及演化分析18

3.1 引言18

3.2 混合属性数据流的聚类及聚类簇定义18

3.2.1 有序属性上的投影聚类及投影聚类簇结构定义18

3.2.2 无序类别属性上的投影聚类及投影聚类簇结构定义19

3.2.3 无序类别属性上的投影聚类结构的第二种定义20

3.2.4 混合属性数据流的聚类及聚类簇结构定义21

3.2.5 混合属性数据流的聚类和聚类簇的构造方法23

3.3 混合属性数据流的两步投影聚类方法23

3.3.1 两步投影聚类方法23

3.3.2 两步投影聚类方法的改进24

3.3.3 求两个有序集合的交集24

3.4 混合属性数据流的分段及融合聚类框架25

3.4.1 分段策略25

3.4.2 融合策略25

3.5 仿真实验29

3.5.1 混合属性数据集的两步投影聚类方法的有效性验证29

3.5.2 混合属性数据流的分段及融合聚类框架的有效性验证31

3.6 本章小结33

第四章 推进式优化特征权重的K-中心点聚类方法34

4.1 引言34

4.2 基于特征权重优化的推进式K-中心点聚类算法35

4.2.1 问题描述35

4.2.2 基于特征权重优化的推进式K-中心点聚类算法描述36

4.3 相异性度量的第一种特征权重优化方法38

4.3.1 有序属性子集的特征权重优化38

4.3.2 无序属性子集的特征权重优化39

4.3.3 第一种特征权重优化方法的描述40

4.4 相异性度量的第二种特征权重优化方法41

4.4.1 最小化目标函数41

4.4.2 最大化目标函数42

4.4.3 最小化混合目标函数42

4.4.4 参数λ和γ的自适应优化44

4.4.5 第二种特征权重优化方法的描述46

4.5 仿真实验48

4.5.1 仿真实验设计48

4.5.2 仿真实验结果49

4.5.3 实验结果分析及结论50

4.6 本章小结50

第五章 基于半监督学习的k平均聚类框架52

5.1 引言52

5.2 混合属性数据点集的基于半监督学习的k平均聚类框架52

5.2.1 问题描述52

5.2.2 基于半监督学习的k平均聚类框架53

5.3 基于半监督学习的k平均聚类方法53

5.3.1 基于MST（Minimum Spanning Tree）的半监督学习算法53

5.3.2 基于MSF的半监督学习算法55

5.3.3 基于归属度的k平均聚类算法56

5.4 仿真实验58

5.4.1 仿真实验设计58

5.4.2 仿真实验结果59

5.4.3 实验结果分析及结论62

5.5 本章小结62

第六章 混合属性数据集的基于近邻连接的两阶段聚类算法63

6.1 引言63

6.2 问题描述与相关的定义及性质63

6.2.1 问题描述63

6.2.2 定义与性质64

6.3 混合属性数据集的基于近邻连接的两阶段聚类算法67

6.3.1 算法描述67

6.3.2 算法的改进与时空复杂度分析69

6.3.3 参数的设置与优化71

6.4 仿真实验72

6.4.1 仿真实验设计72

6.4.2 仿真实验结果72

6.4.3 实验结果分析及结论73

6.5 本章小结74

第七章 面向混合属性数据集的双重聚类方法75

7.1 引言75

7.2 混合属性数据集的双重聚类方法75

7.2.1 问题描述75

7.2.2 双重聚类方法的基本流程76

7.2.3 双重聚类方法76

7.2.4 几个算法的性能比较84

7.3 仿真实验84

7.3.1 仿真实验设计84

7.3.2 仿真实验结果85

7.3.3 实验结果分析及结论86

7.4 本章小结87

第八章 一种自适应优化相异性度量的基于MST的半监督聚类方法……88

8.1 引言88

8.2 混合属性数据点集的基于MST的半监督聚类分析方法88

8.2.1 问题描述88

8.2.2 混合属性数据点集的基于MST的半监督聚类分析方法89

8.2.3 混合属性数据点集的相异性度量的定义89

8.2.4 混合属性数据点集的相异性度量的优化90

8.3 一种自适应优化相异性度量的方法90

8.3.1 算法描述90

8.3.2 算法的讨论及分析91

8.4 基于MST的分离集合并聚类算法92

8.4.1 算法描述92

8.4.2 算法的讨论及分析92

8.5 仿真实验93

8.5.1 仿真实验设计93

8.5.2 仿真实验结果94

8.5.3 实验结果分析及结论95

8.6 本章小结95

附录1 第二章 的数据结构定义及相关算法的C语言实现96

附录2 第三章 的数据结构定义及相关算法的C语言函数声明形式122

参考文献127