●第一章 緒論
第一節 問題提出與研究意義
第二節 國內外相關研究進展
一、聚類算法概述
二、典型的聚類算法
三、聚類的有效性評價指標
第三節 本書主要內容
第四節 本書的組織安排
第二章 基於自適應Dropout模型的高階CFS聚類算法
第一節 引言
第二節 異構數據聚類相關工作
第三節 問題描述
第四節 基於自適應Dropout模型的高階CFS聚類算法整體框架
第五節 自適應Dropout模型
第六節 基於向量外積的特征關聯
第七節 高階CFS聚類算法
第八節 實驗結果與分析
一、自適應Dropout模型實驗結果與分析
二、高階CFS聚類算法實驗結果與分析
本章小結
第三章 支持隱私保護的雲端安全深度計算模型
第一節 引言
第二節 基於雲計算的聚類算法相關工作
一、基於雲計算的劃分聚類算法
二、基於雲計算的層次聚類算法
三、基於雲計算的密度聚類算法
四、基於雲計算的高維空間聚類算法
五、基於雲計算的其他聚類算法
第三節 問題描述
第四節 同態加密方法
一、同態加密概念
二、BGV同態加密算法
第五節 基於BGV全同態加密的安全高階反向傳播算法
一、BGV同態加密的操作
二、Sigmoid函數近似
三、基於BGV加密的安全反向傳播算法
第六節 基於BGV加密的高階CFS聚類算法
第七節 實驗結果與分析
一、數據加密時間
二、運行時間
三、聚類精度
四、加速比
本章小結
第四章 增量式CFS聚類算法
第一節 引言
第二節 增量式聚類相關工作
一、基於傳統聚類算法的增量式聚類算法
二、基於生物智能的增量式聚類算法
三、針對數據流的增量式聚類算法
第三節 問題描述
第四節 基於單個數據對像更新的增量式CFS聚類算法
第五節 基於批量數據更新的增量式CFS聚類算法
第六節 實驗結果與分析
一、Yeast數據集
二、sIoT數據集
本章小結
第五章 基於改進CFS聚類的不完整數據填充算法
第一節 引言
第二節 不完整數據填充相關工作
第三節 問題描述
第四節 基於部分距離策略的CFS聚類算法
一、部分距離策略
二、基於部分距離策略的CFS聚類算法
第五節 基於改進CFS聚類的不完整數據填充算法
一、填充自動編碼機
二、深度填充網絡與數據填充
第六節 實驗結果與分析
一、填充精度實驗結果
二、運行時間實驗結果
本章小結
第六章 結論與展望
第一節 本書總結
第二節 創新點
第三節 未來展望
參考文獻
