导读:本文包含了拉普拉斯加权聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:聚类,拉普拉斯,加权
拉普拉斯加权聚类论文文献综述
黄鹏飞,张道强[1]（2008）在《拉普拉斯加权聚类算法》一文中研究指出本文提出了一种用于聚类分析的加权聚类算法,通过利用拉普拉斯权,将聚类对象之间的结构信息自动转换为对象的权重.由于拉普拉斯权能够描述数据的邻域结构,从而能够更好的聚类.该加权聚类算法在性能上比经典聚类算法有较大改进,还具有对孤立点鲁棒、适合类别不平衡数据聚类、对聚类个数不敏感等优点.人工数据集以及UCI标准数据集上的实验证实了本文算法的可行性和有效性.(本文来源于《电子学报》期刊2008年S1期）
黄鹏飞[2]（2008）在《拉普拉斯加权聚类算法的研究》一文中研究指出聚类分析有着十分广泛的应用,一直是模式识别、数据挖掘、图像处理等领域的研究热点之一。现有的大多数聚类算法都隐含假定待分析样本的贡献及其各维特征对聚类的贡献均匀,然而,实际中不同样本和样本的不同维度对聚类过程有着不同的影响。本文针对样本的不均匀贡献,借鉴流形学习中利用数据结构信息的方法,提出了一种拉普拉斯加权聚类算法。随后,对其权值进行优化处理,并将其与半监督聚类的思想结合起来。最后,将隶属度约束及半监督约束形式引入到该算法中,并应用于图像分割。本文主要的创新和研究工作总结如下:(1)在传统C-均值和模糊C-均值的基础上,通过引入能够表示样本邻域信息的权系数矩阵,提出了一种拉普拉斯加权聚类算法,在人工数据集和国际标准数据集上的实验结果验证了所提方法的有效性。(2)对所提出的拉普拉斯加权聚类算法的参数进行优化选择,提出了一种自适应的参数选择方法,该方法能构建更加符合数据集结构信息的权系数矩阵,增强了算法的鲁棒性。(3)在拉普拉斯加权聚类基础之上,结合半监督聚类的思想,提出了一种半监督拉普拉斯加权聚类算法,该算法通过在聚类中使用成对约束,有效地提高了聚类性能。(4)将隶属度约束及半监督约束形式引入到拉普拉斯加权聚类算法中,并应用于图像分割。在人工图像和大脑MRI图像上的实验结果显示,该算法能有效地解决图像中的含噪声等问题,从而取得较好的图像分割结果。(本文来源于《南京航空航天大学》期刊2008-12-01）
拉普拉斯加权聚类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
聚类分析有着十分广泛的应用,一直是模式识别、数据挖掘、图像处理等领域的研究热点之一。现有的大多数聚类算法都隐含假定待分析样本的贡献及其各维特征对聚类的贡献均匀,然而,实际中不同样本和样本的不同维度对聚类过程有着不同的影响。本文针对样本的不均匀贡献,借鉴流形学习中利用数据结构信息的方法,提出了一种拉普拉斯加权聚类算法。随后,对其权值进行优化处理,并将其与半监督聚类的思想结合起来。最后,将隶属度约束及半监督约束形式引入到该算法中,并应用于图像分割。本文主要的创新和研究工作总结如下:(1)在传统C-均值和模糊C-均值的基础上,通过引入能够表示样本邻域信息的权系数矩阵,提出了一种拉普拉斯加权聚类算法,在人工数据集和国际标准数据集上的实验结果验证了所提方法的有效性。(2)对所提出的拉普拉斯加权聚类算法的参数进行优化选择,提出了一种自适应的参数选择方法,该方法能构建更加符合数据集结构信息的权系数矩阵,增强了算法的鲁棒性。(3)在拉普拉斯加权聚类基础之上,结合半监督聚类的思想,提出了一种半监督拉普拉斯加权聚类算法,该算法通过在聚类中使用成对约束,有效地提高了聚类性能。(4)将隶属度约束及半监督约束形式引入到拉普拉斯加权聚类算法中,并应用于图像分割。在人工图像和大脑MRI图像上的实验结果显示,该算法能有效地解决图像中的含噪声等问题,从而取得较好的图像分割结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
拉普拉斯加权聚类论文参考文献
[1].黄鹏飞,张道强.拉普拉斯加权聚类算法[J].电子学报.2008
[2].黄鹏飞.拉普拉斯加权聚类算法的研究[D].南京航空航天大学.2008