復(fù)雜多源數(shù)據(jù)的知識獲取與知識發(fā)現(xiàn)

1  緒論
1.1  研究背景與意義
1.2  國內(nèi)外研究現(xiàn)狀
1.3  本書的主要研究內(nèi)容
1.4  本書結(jié)構(gòu)
2  基于序號編碼的改進(jìn)遺傳模糊聚類算法
2.1  引言
2.2  基于序號編碼的改進(jìn)遺傳模糊聚類算法
2.3  實(shí)驗(yàn)及分析
2.4  本章小結(jié)
3  基于弧度點(diǎn)對稱距離的自適應(yīng)動(dòng)態(tài)聚類算法
3.1  引言
3.2  點(diǎn)對稱距離
3.3  弧度距離
3.4  基于弧度的點(diǎn)對稱距離
3.5  改進(jìn)的遺傳聚類算法
3.6  實(shí)驗(yàn)結(jié)果和分析
3.7  本章小結(jié)
4  基于自適應(yīng)遺傳算法的有趣分類規(guī)則知識發(fā)現(xiàn)
4.1  引言
4.2  有趣規(guī)則的評價(jià)標(biāo)準(zhǔn)
4.3  基于自適應(yīng)遺傳算法的有趣分類規(guī)則知識發(fā)現(xiàn)
4.4  實(shí)驗(yàn)及分析
4.5  本章小結(jié)
5  基于無參核學(xué)習(xí)的Laplacian正則化最小二乘分類
5.1  引言
5.2  無參核學(xué)習(xí)
5.3  基于無參核學(xué)習(xí)的LapRLSC
5.4  實(shí)驗(yàn)結(jié)果
5.5  本章小結(jié)
6  基于自適應(yīng)近鄰傳播的社區(qū)發(fā)現(xiàn)算法
6.1  引言
6.2  相關(guān)工作
6.3  基于自適應(yīng)近鄰傳播的社區(qū)發(fā)現(xiàn)算法
6.4  實(shí)驗(yàn)
6.5  本章小結(jié)
7  基于改進(jìn)標(biāo)簽傳播的社區(qū)發(fā)現(xiàn)算法
7.1  引言
7.2  標(biāo)簽傳播算法
7.3  LPAC算法
7.4  實(shí)驗(yàn)
7.5  本章小結(jié)
8  基于結(jié)構(gòu)相似度仿射傳播的社團(tuán)檢測算法
8.1  引言
8.2  節(jié)點(diǎn)相似性度量
8.3  快速仿射傳播聚類算法
8.4  實(shí)驗(yàn)
8.5  本章小結(jié)
9  總結(jié)與展望
9.1  總結(jié)
9.2  展望
參考文獻(xiàn)