復雜多源數據的知識獲取與知識發(fā)現

1  緒論
1.1  研究背景與意義
1.2  國內外研究現狀
1.3  本書的主要研究內容
1.4  本書結構
2  基于序號編碼的改進遺傳模糊聚類算法
2.1  引言
2.2  基于序號編碼的改進遺傳模糊聚類算法
2.3  實驗及分析
2.4  本章小結
3  基于弧度點對稱距離的自適應動態(tài)聚類算法
3.1  引言
3.2  點對稱距離
3.3  弧度距離
3.4  基于弧度的點對稱距離
3.5  改進的遺傳聚類算法
3.6  實驗結果和分析
3.7  本章小結
4  基于自適應遺傳算法的有趣分類規(guī)則知識發(fā)現
4.1  引言
4.2  有趣規(guī)則的評價標準
4.3  基于自適應遺傳算法的有趣分類規(guī)則知識發(fā)現
4.4  實驗及分析
4.5  本章小結
5  基于無參核學習的Laplacian正則化最小二乘分類
5.1  引言
5.2  無參核學習
5.3  基于無參核學習的LapRLSC
5.4  實驗結果
5.5  本章小結
6  基于自適應近鄰傳播的社區(qū)發(fā)現算法
6.1  引言
6.2  相關工作
6.3  基于自適應近鄰傳播的社區(qū)發(fā)現算法
6.4  實驗
6.5  本章小結
7  基于改進標簽傳播的社區(qū)發(fā)現算法
7.1  引言
7.2  標簽傳播算法
7.3  LPAC算法
7.4  實驗
7.5  本章小結
8  基于結構相似度仿射傳播的社團檢測算法
8.1  引言
8.2  節(jié)點相似性度量
8.3  快速仿射傳播聚類算法
8.4  實驗
8.5  本章小結
9  總結與展望
9.1  總結
9.2  展望
參考文獻