声明
第一章 引 言
1.1 本文的理论意义和实用价值
1.1.1 理论意义
1.1.2 实用价值
1.2 研究方法
1.2.1 理论分析
1.2.2 前人工作的不足
1.2.3 研究方案与研究步骤
1.2.4 实验设计
1.3研究成果
第二章 相关算法介绍
2.1 基于划分的聚类算法介绍
2.1.1 硬聚类算法与模糊聚类算法
2.1.2 基于原始数据空间的聚类算法与基于核空间的聚类算法
2.1.3 集中式聚类算法与分布式聚类算法
2.2 随机特征方法
2.2.1 随机傅里叶特征RFF
2.2.2 准蒙特卡洛特征QMCF
2.2.3 随机特征方法与传统核方法的比较
2.3 最大熵正则化方法
2.3.1 熵的定义与性质
2.3.2 基于最大熵方法的属性加权模糊聚类EWFCM
2.3.3 基于最大熵方法的多核模糊聚类MEMKFCM-k
第三章 基于随机特征的单核模糊聚类算法研究
3.1 基于随机特征的单核模糊聚类算法RF-FCM
3.1.1 算法的原理
3.1.2 算法的目标函数及更新公式
3.1.3 算法的流程
3.1.4 算法时间复杂度分析
3.1.5 算法测试
3.1.6 小结
3.2 基于随机特征的单核属性加权模糊聚类算法RF-EWFCM
3.2.1 算法原理
3.2.2 算法目标函数及更新公式
3.2.3 算法流程
3.2.4 算法时间复杂度分析
3.2.5 算法测试
3.2.6 小结
第四章 基于随机特征的多核模糊聚类算法
4.1 基于随机特征的多核核加权模糊聚类算法MK-FCM
4.1.1 算法原理
4.1.2 算法目标函数及更新公式
4.1.3 算法流程
4.1.4 算法时间复杂度分析
4.1.5 算法测试
4.1.6 小结
4.2 基于随机特征的多核属性加权模糊聚类算法RF-MKFCM
4.2.1 算法原理
4.2.2 算法目标函数及更新公式
4.2.3 算法流程
4.2.4 算法时间复杂度分析
4.2.5 算法测试
4.2.6 小结
第五章 基于随机特征的多核分布式协同模糊聚类算法RF-CDMKFCM
5.1 算法原理
5.2 算法目标函数及更新公式
5.3 算法流程
5.4 一致性证明
5.5 算法时间复杂度分析
5.6 算法测试
5.7 小结
第六章 结论与展望
参考文献
致谢
附录
