声明
致谢
摘要
1.1 研究背景与意义
1.2 本文的主要贡献及创新点
1.3 文章组织结构
2 相关工作研究综述
2.1 传统聚类方法
2.2 单机密度聚类方法
2.3 集成聚类方法
2.4 基于成对相似性的集成聚类方法
2.5 基于中值划分的集成聚类方法
2.6 基于图分割的集成聚类方法
3 基于最大相对密度路径的集成聚类方法
3.1 问题定义
3.2 基于最大相对密度路径的集成聚类方法
3.2.1 生成基础聚类
3.2.2 构造点与簇相似度矩阵
3.2.3 构造点与点相似度矩阵
3.2.4 融合方法
3.3 实验
3.3.1 实验设置
3.3.2 在可视化数据集上的对比
3.3.3 与单机密度聚类进行对比
3.3.4 与其他集成聚类进行对比
3.4 小结
4 MRDPA在遥感数据集上的应用
4.1 背景介绍
4.2 相关工作
4.2.1 基于质心的高光谱聚类算法
4.2.2 基于密度的高光谱聚类算法
4.2.3 生物聚类法
4.2.4 基于频谱的高光谱聚类算法
4.2.5 其他方式的高光谱聚类
4.3 算法描述
4.3.1 生成基础聚类
4.3.2 构造点与簇的相似度矩阵
4.3.3 构造点与点的相似度矩阵
4.3.4 融合方法
4.4 高光谱数据集实验
4.4.1 实验设置
4.4.2 在高光谱数据集上的效果
4.5 小结
5 结论
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集