摘要
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状及主要研究方法
1.2.1 聚类分析
1.2.2 聚类有效性指标
1.2.3 行为识别
1.3 论文主要内容与结构安排
2 聚类中判断聚类有效性的指标
2.1 聚类有效性指标及其约束条件
2.2 聚类有效性指标分类与分析
2.2.1 外部评价指标
2.2.2 内部评价指标
2.2.3 相对评价指标
2.3 几种常见的模糊聚类有效性指标
2.3.1 PC指标
2.3.2 PE指标
2.3.3 Xie-Beni指标
2.3.4 S.H.Kwon指标
2.3.5 Rezaee指标
2.4 一种改进的聚类有效性指标(CS)
2.4.1 类内紧致性
2.4.2 类间分离度
2.4.3 有效性指标(CS)
2.5 本章小结
3 基于有效性指标(CS)的聚类算法研究
3.1 聚类分析概述
3.1.1 基于划分的方法
3.1.2 基于分层的方法
3.1.3 基于密度的方法
3.1.4 基于网格的方法
3.1.5 基于模型的方法
3.2 FCM聚类算法
3.2.1 算法概述
3.3 GK聚类算法
3.3.1 算法概述
3.4 GG聚类算法
3.4.1 算法概述
3.5 实验结果与分析
3.5.1 实验数据集
3.5.2 有效性指标聚类数比较
3.6 本章小结
4 聚类算法在同类行为特征数据分析中的应用
4.1 行为识别相关知识
4.2 同类行为特征数据分析中存在的问题
4.3 不同改进聚类算法在特征数据分析中的应用
4.3.1 视频行为数据库
4.3.2 行为特征数据
4.3.3 不同聚类算法应用
4.4 实验结果与分析
4.5 本章小结
5 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
攻读硕士期间发表的论文
声明
青岛科技大学;