基于GAN和图结构增强的缺失多视图聚类研究.pdf

第一章绪论1

1.1研究背景和意义1

1.2国内外研究现状3

1.2.1研究现状3

1.2.2当前研究存在的问题5

1.3研究内容和创新点6

1.3.1研究内容6

1.3.2创新点7

1.4论文组织结构7

第二章理论基础9

2.1自编码器9

2.2对比学习9

2.3图卷积网络10

2.4对抗生成模型11

第三章基于对抗生成补全和对比增强的自编码器13

3.1引言13

3.2模型方法14

3.2.1模块15

3.2.2模块18

3.3实验结果与分析19

3.3.1数据集与缺失设置19

3.3.2实验设置和评估指标21

3.3.3结果与分析22

3.4消融实验25

3.5收敛分析26

I

3.6本章小结27

第四章图增强对抗对比自编码聚类网络29

4.1引言29

4.2模型方法30

4.2.1模块30

4.2.2获得聚类结果31

4.2.3损失函数31

4.3实验结果与分析31

4.3.1实验设置和评估指标31

4.3.2结果与分析32

4.4消融实验33

4.5收敛分析34

4.6本章小结35

第五章总结与展望37

5.1工作总结37

5.2未来展望38

参考文献41

II

山东师范大学硕士学位论文

癌症是一种严重的疾病，其不同亚型的识别对于精准医疗至关重要。目前，癌症亚型

的识别在临床上具有重要意义，因为不同的癌症亚型可能具有不同的治疗方案和预后。在

临床实践中，医生通常根据患者的临床表现、病理特征以及分子生物学标志物来判断癌症

亚型。然而，传统的手动分类方法存在效率低、主观性强等问题，且难以应对大量患者与

有限医疗资源之间的不平衡。因此，迫切需要研发一种自动化技术进行癌症亚型的医疗检

测。在当前科技的快速发展下，计算机技术和