文档介绍：:.一
黝届扬原创性声明日期:州晗υ鹿璉学位论文使用授权声明日期:拢本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。学位论文作者:本人在导师指导下完成的论文及相关的职务作品,知识产权归属郑州大学。根据郑州大学有关保留、使用学位论文的规定,同意学校保留或向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅;本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索,可以采用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时,第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。日知。
摘要在实际应用中,尤其是复杂、庞大的数据集中通常呈现出多种合理且不同的数据模式,而传统的聚类分析方法往往关注于发现数据集中单个合理的聚类模式。这一挑战促进了选择聚类领域近年来的快速发展,它的目标是挖掘出数据中存在的多种不同且高质量的聚类结果。方法是一种优秀的数据分析方法,能有效地发现数据中所蕴含的数据模式。但是方法仅关注于产生一种高质量的聚类结果,并且其需要已知关于数据的联合概率分布。本文提出了一种基于方法的选择聚类算法·惴ā8盟惴ㄒ环矫通过最大化数据对象与聚类结果间的互信息来确保聚类结果的质量,另一方面通过最小化聚类结果和已知数据模式间的互信息来确保聚类结果间的相异性。惴ㄊ褂靡恢治薏蔚腗⒎朱毓兰品椒ǘ允荻韵蠛途劾嘟峁的互信息进行估算,并采用顺序的迭代方法对目标函数进行优化。惴把方法扩展到了选择聚类领域,试图对数据中所蕴含的多种数据模式进行挖掘,并且通过使用微分熵估计技术,不再需要已知关于数据的联合概率分布。实验结果表明:惴苡行У赝诰虺鍪菁谒毯亩嘀质据模式,其总体性能优于选择聚类算法算法和惴ā关键词:选择聚类,椒ǎバ畔ⅲ琈⒎朱毓兰/
甒.,瓾畉:,..——甌#畇瓹猄’,.
目录浴骸骸摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯尘爸J丁贗椒ǖ难≡窬劾嗨惴ǎ瓵—研究背景与现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯:⋯:⋯⋯⋯⋯⋯.本文工作概述⋯⋯⋯⋯二二⋯⋯⋯⋯⋯:⋯:⋯⋯⋯⋯:⋯⋯⋯⋯⋯⋯⋯⋯⋯本文内容与结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯相关定义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。选择聚类算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.猻算法目标函数⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。...................................⋯..............................................................ⅰ距离⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。距离⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..适д胬砺邸方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯算法⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯惴ā.
笛橛胄阅芊治觥芙嵊胝雇参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。个人简历、在学期间发表的学术论文与研究成果⋯⋯⋯⋯⋯⋯⋯⋯。微分熵估计方法⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一猻算法描述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯猻算法时间复杂度分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.实验数据集⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.实验评估方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯实验设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。实验结果分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。..
言引研究背景与现状高质量的聚类结果。,其目标是从数据中挖掘出不同且高质量的聚类结果。面对如今日益复杂且庞大的数据集,发现其中可能存在的多种合理且不同的数据模式,具有重要的理论研究和实际应用价值。本章第节首先对选择聚类的研究背景和现状进行了概述,并提出了一些存在的问题;节对本文的研究工作进行