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

论文共136页,点击 下载论文
上一篇:被动相位共轭法进行声聚焦的改进方法研究
下一篇:分布式决策树算法在分类问题中的研究与实现