结合双向代表点与相互K近邻的密度峰值聚类算法研究与应用探索.docxVIP

结合双向代表点与相互K近邻的密度峰值聚类算法研究与应用探索

目录

一、文档简述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.2聚类分析概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.3密度峰值聚类算法介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

1.4双向表征学习探索．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

1.5相互K近邻方法剖析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

1.6本文研究内容与结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

二、相关理论与基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

2.1数据聚类基本概念．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

2.2核心密度聚类思想．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

2.3代表点选取技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

2.4K近邻关系度量方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

2.5相互K近邻算法详解．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

2.6本章小结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

三、基于双向嵌入与交互最近邻的密度聚类模型构建．．．．．．．．．．．25

3.1模型整体框架设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

3.2双向嵌入表示生成．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

3.2.1正向嵌入过程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

3.2.2反向嵌入机制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

3.3交互最近邻关系构建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

3.3.1点对点交互度量．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

3.3.2联合邻近性评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

3.4基于嵌入与邻近性的密度估计．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

3.5核心聚类规则定义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39

3.6本章小结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

四、模型关键算法实现．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

4.1双向嵌入生成算法流程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

4.2交互最近邻确定算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44

4.3聚类中心点识别算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46

4.4新数据点归属判别算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47

4.5算法伪代码描述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49

4.6本章小结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．51

五、实验验证与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．51

5.1实验数据集介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．52

5.1.1标准公开数据集．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53

5.1.2自行构建数据集．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．54

5.2评价指标体系．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．56

5.3对比算法选取