第1章 绪论 1
1.1 聚类分析的基本概念 1
1.2 术语及其表示方法 2
1.3 研究动机 3
1.4 本书研究内容 4
1.5 本书的结构安排 5
第2章 聚类分析的基本理论及方法 6
2.1 引言 6
2.2 聚类算法 6
2.3 用于聚类算法的优化和搜索技术 15
2.4 聚类集成技术 17
2.5 小结 19
第3章 基于数学形态学的聚类及集成 20
3.1 国内外研究现状 20
3.2 基本的数学形态学运算 21
3.3 基于数学形态学分级操作系列的聚类算法COHMMOP 22
3.4 基于数学形态学的聚类集成算法CEOMM 29
3.5 本章小结及进一步的工作 36
第4章 聚类集成中的差异性度量研究 38
4.1 国内外研究现状 38
4.2 聚类集成中差异性测量方法 40
4.3 聚类集体差异性度量分析 44
4.4 本章小结及进一步的工作 54
第5章 聚类集体生成方法研究 56
5.1 国内外研究现状 56
5.2 高差异性聚类集体生成方法CEAN和增强型差异性聚类集体生成方法ICEAN 58
5.3 实验比较与分析 60
5.4 本章小结及进一步的工作 69
第6章 一致性函数研究 70
6.1 国内外研究现状 70
6.2 基于GA的聚类集成算法CMCUGA 72
6.3 用概念型数据聚类算法解决聚类集成问题 78
6.4 本章小结及进一步的工作 85
第7章 利用聚类集成技术解决混合型数据聚类问题 86
7.1 国内外研究现状 86
7.2 基于集成技术和谱聚类技术的混合型数据聚类算法CBEST 87
7.3 实验研究与分析 91
7.4 CBEST算法小结 98
7.5 本章总结及进一步的工作 99
第8章 随机采样方法生成视觉词汇本集体实现图像识别 100
8.1 引言 100
8.2 视觉词汇本构造方法 102
8.3 实验 109
8.4 本章小结及进一步的工作 125
第9章 结束语 126
参考文献 129