基于深度学习的聚类个数确定及聚类方法的研究

目录

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 聚类个数确定方法综述

1.2.2 传统聚类方法综述

1.2.3 深度聚类方法综述

1.3 研究内容

1.4 篇章结构

第二章 关于聚类个数的研究

2.1 引言

2.2 相关工作

2.2.1 自编码器

2.2.2 卷积神经网络

2.2.3 T分布随机近邻嵌入

2.3 深度嵌入确定聚类个数法

2.3.1 特征表达的学习

2.3.2 一种基于密度的聚类算法

2.4 实验结果及其分析

2.4.1 数据集描述

2.4.2 实验设置和评价标准

2.4.3 实现细节

2.4.4 实验结果

2.4.5 特征可视化

2.5 本章小结

第三章 基于密度的深度聚类方法的研究

3.1 引言

3.2 相关工作

3.2.1 参数化t-SNE方法

3.2.2 深度嵌入聚类方法

3.2.3 改进的深度嵌入聚类方法

3.3 相似度保存约束下的深度密度聚类法

3.3.1 用于点对相似度保存的目标函数

3.3.2 预训练

3.3.3 聚类个数确定方法

3.3.4 模型的微调

3.4 实验结果及其分析

3.4.1 模型的实现

3.4.2 数据集描述

3.4.3 比较方法描述

3.4.4 评价准则

3.4.5 结果展示

3.4.6 DDC-SP模型及其组建的科学性

3.4.7 特征空间的可视化

3.4.8 超参数敏感性分析

3.5 本章小结

第四章 结束语

4.1 工作总结

4.2 工作展望

致谢

参考文献

作者在学期间取得的学术成果