声明
摘要
第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 多视图聚类算法研究现状
1.2.2 聚类集成算法研究现状
1.2.3 分布式聚类算法研究现状
1.3 论文主要研究内容和结构安排
第2章 基本原理简述
2.1 聚类分析基本原理
2.1.1 聚类的定义和方法
2.1.2 软子空间聚类
2.2 多视图聚类基本原理
2.2.1 多视图聚类算法概述
2.2.2 多视图子空间聚类算法概述
2.3 聚类集成原理
2.3.1 聚类集成基本原理
2.3.2 基于链接聚类集成方法
2.3.3 多视图聚类集成
2.4 Apache Spark平台简述
2.5 本章小结
第3章 基于属性加权的多视图软子空间聚类算法
3.1 LAC算法介绍
3.2 MVLAC算法
3.2.1 目标函数
3.2.2 算法描述
3.3 分布式多视图软子空间聚类算法
3.3.1 分布式MVLAC算法设计
3.3.2 分布式MVLAC算法实现
3.4 本章小结
第4章 多视图聚类集成算法
4.1 改进的多视图聚类集成算法
4.2 分布式多视图聚类集成算法
4.2.1 分布式IMVCE算法设计
4.2.2 分布式IMVCE算法实现
4.3 本章小结
第5章 实验与分析
5.1 实验数据集介绍
5.2 聚类评价指标
5.2.1 NMI评价指标
5.2.2 F-measure评价指标
5.2.3 RI评价指标
5.3 分布式算法评价指标
5.3.1 Speedup性能指标
5.3.2 Sizeup性能指标
5.3.3 Scaleup性能指标
5.4 多视图软子空间聚类实验结果及分析
5.4.1 MVLAC算法实验结果及分析
5.4.2 分布式MVLAC算法实验结果及分析
5.5 多视图聚类集成实验结果及分析
5.5.1 IMVCE算法实验结果及分析
5.5.2 分布式IMVCE算法实验结果及分析
5.6 本章小结
结论与展望
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果