声明
第一章 引言
第二章 基于模型的聚类
第一节 基于模型的聚类和有限混合模型
第二节 EM算法
第三节 本章小结
第三章 高维数据聚类中的维度灾难
第一节 维度灾难
第二节 模型聚类方法中的维度灾难的问题
第三节 高维数据聚类方法
第四节 本章小结
第四章 全局降维算法
第一节 线性特征提取
一、主成分分析
二、多维缩放
三、非负矩阵分解
四、稀疏表示与低秩表示
第二节 非线性特征提取
一、核主成分分析
二、等距映射方法
三、局部线性嵌入方法
四、拉普拉斯特征映射方法
第三节 高斯混合模型视角的降维
一、约束高斯模型
二、简约高斯模型
第四节 本章小结
第五章 子空间聚类方法
第一节 混合因子分析(MFA)
第二节 拓展的简约高斯混合模型(EPGMM)
第三节 高维高斯混合模型(HD-GMM)
第四节 判别潜在子空间混合模型(DLM)
第五节 本章小结
第六章 实例分析
第一节 橄榄油数据
第二节 植物物种叶片数据
第三节 鸢尾花数据
第四节 本章小结
第七章 总结与展望
第一节 总结
第二节 展望
参考文献
附录
附录A 数据来源
附录B 代码
致谢
在读期间的研究成果
云南财经大学;