首页--数理科学和化学论文--数学论文--代数、数论、组合理论论文--模糊数学论文

基于聚类有效性指标的模糊分类评价问题研究

摘要第1-4页
ABSTRACT第4-9页
第1章 引言第9-21页
   ·本文的研究背景及研究意义第9-13页
   ·国内外研究现状第13-18页
     ·模糊理论的研究现状第13-14页
     ·聚类理论发展第14-15页
     ·模糊分类评价有效性的研究现状第15-18页
   ·本文的主要内容第18-19页
   ·本文的研究框架第19页
   ·本文的创新点第19-21页
第2章 模糊聚类算法研究第21-32页
   ·典型的模糊聚类算法第21-27页
     ·基于相似关系的谱系聚类算法第21-22页
     ·基于模糊等价关系的传递闭包法第22-26页
     ·基于模糊图论的最大树法第26-27页
     ·基于目标函数的模糊聚类算法第27页
   ·模糊c均值聚类算法及其变体第27-32页
     ·模糊c均值聚类算法(FCM)第27-28页
     ·备选模糊c均值聚类算法(AFCM)第28-29页
     ·可能性c均值聚类算法(PCA)第29-30页
     ·可能性模糊c均值聚类算法(PFCM)第30-32页
第3章 模糊分类评价有效性研究第32-58页
   ·常用的模糊分类有效性指标第32-37页
   ·一个新的模糊分类有效性指标第37-58页
     ·新的紧凑度指标第38页
     ·新的分离度指标第38页
     ·构造新的有效性指标第38-40页
     ·仿真实验第40-58页
第4章 模糊分类的组合评价方法研究第58-69页
   ·模糊分类组合评价方法的一般模型第59-64页
     ·组合评价模型的基本思路第59-63页
     ·退化的模糊聚类组合评价模型第63-64页
   ·单-多组合评价模型第64-69页
     ·模型的基本思想第64-65页
     ·仿真实验第65-69页
第5章 模糊分类评价的案例分析第69-74页
   ·样本选取第69-70页
   ·案例分析第70-74页
     ·采用新的模糊分类有效性指标进行分析第70-71页
     ·采用模糊分类的组合评价方法进行分析第71-72页
     ·结果分析第72-74页
第6章 结论与展望第74-78页
   ·本文的结论第74-76页
   ·工作展望第76-78页
参考文献第78-82页
致谢第82-83页

论文共83页,点击 下载论文
上一篇:Kumaraswamy分布的参数估计
下一篇:捷变模式下基于稳定统计的超声波测距算法研究