谱聚类集成算法研究

第1章 绪论

1.1 研究背景及意义

1.2 聚类分析的研究现状

1.2.1 聚类分析的定义

1.2.2 聚类算法概况

1.2.3 传统聚类算法中存在的问题

1.3 谱聚类算法的研究现状及发展

1.4 集成学习的研究现状及发展

1.4.1 集成学习系统的组成

1.4.2 多样性个体的构造

1.4.3 合并策略

1.4.4 选择性集成

1.5 图像分割简介

1.5.1 图像像素特征提取

1.5.2 基于聚类分析的图像分割

1.6 本书的主要工作和结构安排

本章参考文献

第2章 谱聚类与聚类集成基础

2.1 引言

2.2 谱聚类理论基础

2.2.1 图的基本概念

2.2.2 图的拉普拉斯矩阵及其性质

2.2.3 谱聚类算法的实现

2.2.4 图划分准则

2.3 聚类集成

2.3.1 聚类集成的基本概念

2.3.2 聚类成员的产生

2.3.3 共识函数的设计

2.4 选择性聚类集成

本章参考文献

第3章 基于空间一致性约束谱聚类的图像分割

3.1 引言

3.2 基于Nystrom逼近的谱聚类算法

3.3 谱聚类算法与权核k均值的等价性

3.3.1 核k均值算法

3.3.2 权核k均值算法

3.3.3 权核后均值算法与谱聚类

3.4 基于空间一致性约束的谱聚类算法

3.5 实验结果及分析

3.5.1 合成纹理分割实验

3.5.2 SAR图像分割实验

3.6 结论

本章参考文献

第4章 基于成分数据聚类的谱聚类集成算法

4.1 引言

4.2 差异性谱聚类个体生成

4.3 基于成分数据聚类的共识函数

4.4 实验结果及分析

4.4.1 UCI数据集的划分

4.4.2 图像分割

4.5 结论

本章参考文献

第5章 前向选择性谱聚类集成

5.1 引言

5.2 前向选择性集成

5.2.1 谱聚类个体的差异性度量

5.2.2 聚类选择策略

5.3 实验结果及分析

5.3.1 UCI数据集的划分

5.3.2 合成纹理分割实验

5.3.3 SAR图像分割实验

5.4 结论

本章参考文献

第6章 基于Bagging的选择性谱聚类集成

6.1 引言

6.2 基于Bagging的选择性集成

6.3 实验结果及分析

6.3.1 UCI数据集划分实验

6.3.2 合成纹理分割实验

6.3.3 SAR图像分割实验

6.4 结论

本章参考文献

第7章 基于重采样和PBIL算法的自适应选择性谱聚类集成

7.1 引言

7.2 PBIL算法

7.3 基于重采样和PBIL算法的自适应选择性集成

7.4 实验结果及分析

7.4.1 结果分析

7.4.2 收敛性分析

7.5 结论

本章参考文献

作者发表的与本书相关的文献

    
贾建华所著的《谱聚类集成算法研究》是讲述谱聚类及其集成理论和应用的一部专著，在作者博士论文及其后续科研工作基础上撰写而成。主要讲述了空间约束谱聚类算法、基于成分数据的谱聚类集成、选择性谱聚类集成算法的理论及其在数据聚类和图像分割中的应用技术。

    
《谱聚类集成算法研究》可供机器学习、模式识别及数据挖掘等方向的教学、科研人员阅读参考。

    
贾建华所著的《谱聚类集成算法研究》共分7章，第1章简述了研究背景；第2章介绍了本书工作的理论基础；第3章提出了一种基于空间一致性约束的谱聚类算法并将其应用到图像分割中；第4章针对谱聚类算法在实际应用中存在的尺度参数敏感问题，提出了一种无监督集成学习算法——谱聚类集成，并设计了一个新的共识函数；第5章提出了一个整合聚类个体质量和差异性的度量来表示聚类个体之间的距离，运用最近邻的思想来进行聚类个体选择；第6章将Azimi和Fern提出的自适应选择性聚类集成算法推广到一般情况，介绍了一种基于Bagging的选择性集成算法并应用到谱聚类集成中；第7章给出了一种基于PBIL的自适应选择性谱聚类集成学习算法。