声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 聚类算法的国内外研究现状
1.2.2 特征表示学习的国内外研究现状
1.2.3 联合训练的国内外研究现状
1.3 内容安排
第二章 基础理论知识
2.1 深度学习
2.1.1 卷积神经网络
2.1.2 自动编码器
2.2 主成分分析
2.3 K-Means聚类算法
2.4 DPC聚类算法
2.5 本章小结
第三章 基于深度特征表示的 AE-MDPC 聚类算法
3.1 提出的背景和思路
3.2 AE-MDPC算法
3.2.1 MDPC算法
3.2.2 AE-MDPC算法
3.3 实验结果与分析
3.3.1 实验环境
3.3.2 实验数据集
3.3.3 评价标准
3.3.4 人工数据集上实验与分析
3.3.5 人脸数据集上实验与分析
3.3.6 MNIST数据集上实验与分析
3.4 本章小结
第四章 基于联合训练的嵌入式深度聚类算法
4.1 提出的背景和思路
4.2 嵌入式深度聚类DDC算法
4.2.1 深度卷积降噪自编码器
4.2.2 深度聚类DDC的自学习策略
4.3 实验结果与分析
4.3.1 实验数据集
4.3.2 实验细节
4.3.3 DDC算法分析与探究
4.3.4 对比实验与分析
4.3.5 AE-MDPC 与DDC 算法的比较与分析
4.4 本章小结
第五章 结论与展望
5.1 结论
5.2 展望
参考文献
致谢
攻读学位期间取得的研究成果
河北大学;