基于模糊理论的知识发现方法研究及其应用
摘要 | 第4-6页 |
Abstract | 第6-7页 |
1 绪论 | 第18-34页 |
1.1 研究背景及意义 | 第18-21页 |
1.2 国内外相关工作研究现状 | 第21-31页 |
1.2.1 知识发现中的聚类方法概述 | 第21-27页 |
1.2.2 知识发现中的分类方法概述 | 第27-31页 |
1.3 本文的研究内容与结构安排 | 第31-34页 |
2 相关理论基础 | 第34-44页 |
2.1 模糊规则系统 | 第34-35页 |
2.2 公理模糊集 | 第35-41页 |
2.2.1 概念表示:简单概念和复杂概念 | 第36-37页 |
2.2.2 AFS代数 | 第37-38页 |
2.2.3 AFS结构 | 第38-39页 |
2.2.4 AFS隶属函数 | 第39-41页 |
2.3 随机权重神经网络 | 第41页 |
2.4 谱聚类 | 第41-44页 |
3 基于模糊规则系统的多民族面部特征语义描述方法 | 第44-69页 |
3.1 引言 | 第44页 |
3.2 多民族人脸数据库构建 | 第44-46页 |
3.2.1 具有较多人口的民族 | 第44-46页 |
3.2.2 民族人脸数据采集 | 第46页 |
3.3 多民族人脸几何特征提取 | 第46-50页 |
3.3.1 人脸特征点定位 | 第46-47页 |
3.3.2 人脸几何特征构建 | 第47-50页 |
3.4 多民族面部特征语义描述方法 | 第50-58页 |
3.4.1 改进的Wang-Mendel方法 | 第51-52页 |
3.4.2 模糊规则提取 | 第52-58页 |
3.5 人脸民族属性识别 | 第58-61页 |
3.6 实验结果与分析 | 第61-68页 |
3.6.1 语义描述规则生成与分析 | 第61-62页 |
3.6.2 人脸民族属性识别效果的对比分析 | 第62-68页 |
3.7 本章小结 | 第68-69页 |
4 基于公理模糊集的语义化谱聚类方法研究 | 第69-96页 |
4.1 引言 | 第69-70页 |
4.2 基于公理化模糊集理论的模糊相似度度量 | 第70-74页 |
4.2.1 模糊概念的权重函数 | 第71-72页 |
4.2.2 基于紧密度和区分度的特征选择方法 | 第72-73页 |
4.2.3 相似性矩阵生成方法 | 第73-74页 |
4.3 通过谱聚类获得初始聚类结果 | 第74-75页 |
4.4 根据语义解释调整聚类结果 | 第75-77页 |
4.5 实验对比分析 | 第77-95页 |
4.5.1 Iris数据集 | 第79-82页 |
4.5.2 Breast Cancer数据集 | 第82-84页 |
4.5.3 Wine数据集 | 第84-87页 |
4.5.4 与经典谱聚类算法的对比分析 | 第87页 |
4.5.5 与其它聚类算法的对比分析 | 第87-92页 |
4.5.6 计算时间对比 | 第92-93页 |
4.5.7 参数分析 | 第93-95页 |
4.6 本章小结 | 第95-96页 |
5 基于公理模糊集和神经网络的分类方法研究 | 第96-118页 |
5.1 引言 | 第96-97页 |
5.2 AFSNN的网络结构 | 第97-98页 |
5.3 AFS理论与NNRWs之间的结合 | 第98-100页 |
5.3.1 权重函数定义 | 第98-99页 |
5.3.2 隐含节点内的隶属函数 | 第99-100页 |
5.4 从AFSNN中提取规则 | 第100页 |
5.5 生成类别的模糊描述 | 第100-102页 |
5.6 基于AFSNN的分类器 | 第102-110页 |
5.6.1 算法描述 | 第102页 |
5.6.2 示例研究:Iris数据集 | 第102-110页 |
5.7 基于AFSNN分类器的效果评估 | 第110-116页 |
5.8 本章小结 | 第116-118页 |
6 结论与展望 | 第118-120页 |
6.1 结论 | 第118-119页 |
6.2 展望 | 第119-120页 |
参考文献 | 第120-132页 |
攻读博士学位期间科研项目及科研成果 | 第132-134页 |
致谢 | 第134-136页 |
作者简介 | 第136页 |