摘要
第一章 引言
1.1 研究背景
1.2 研究现状
1.3 本文的研究工作和主要组织结构
第二章 聚类集成研究
2.1 聚类集成的概念和主要流程
2.2 聚类集合的生成
2.3 聚类集合的选择
2.3.1 聚类差异性的评估
2.3.2 聚类结果的质量评估
2.3.3 聚类集合的选择
2.4 共识函数设计
2.4.1 基于对象共同出现信息的算法
2.4.2 基于聚类标签的聚类集成算法
2.5 小结
第三章 潜聚类分析算法
3.1 潜聚类模型的定义
3.2 潜聚类模型的求解
3.3 算法设计
3.3.1 参数初始化
3.3.2 潜模型的生成
3.3.3 参数重估计
3.3.4 收敛性测试
3.4 K-LACA
3.5 小结
第四章 实验结果总结与分析
4.1 实验设计
4.1.1 数据集
4.1.2 聚类集合的生成
4.1.3 评价指标的选择
4.2 合成数据集上的实验结果分析
4.3 真实数据集上的实验结果分析
4.3.1 与EAC-AL比较
4.3.2 和CSPA,HGPA和MCLA等算法比较
4.4 小结
第五章 总结与展望
5.1 总结
5.2 进一步的工作
参考文献
致谢
声明