汉语认知脑数据挖掘相关算法及应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-15页 |
| 第一章 绪论 | 第15-23页 |
| ·选题背景 | 第15-16页 |
| ·脑结构与功能概述 | 第16-18页 |
| ·脑数据挖掘现状 | 第18-21页 |
| ·本文研究的内容及章节安排 | 第21-23页 |
| 第二章 粒子群算法研究 | 第23-49页 |
| ·基本粒子群算法 | 第23-24页 |
| ·离散型粒子群算法 | 第24-25页 |
| ·粒子群算法机理及收敛性分析 | 第25-32页 |
| ·粒子群算法的基本定义 | 第25-26页 |
| ·粒子群算法的描述 | 第26-27页 |
| ·粒子群算法的收敛性分析 | 第27-32页 |
| ·混沌粒子群算法 | 第32-47页 |
| ·混沌理论和混沌效应 | 第32-34页 |
| ·算法基本思路与实现 | 第34-37页 |
| ·算法测试的基准问题及实验设定 | 第37-43页 |
| ·实验结果及分析 | 第43-47页 |
| ·本章小结 | 第47-49页 |
| 第三章 基于粗糙集的知识表示与约简 | 第49-63页 |
| ·粗糙集理论基础 | 第49-50页 |
| ·基于粗糙集的知识表示 | 第50-54页 |
| ·知识与知识发现 | 第50-52页 |
| ·不确定知识与度量 | 第52-54页 |
| ·基于粗糙集的知识约简 | 第54-56页 |
| ·决策表属性约简 | 第55-56页 |
| ·决策表值约简 | 第56页 |
| ·基于粒子群优化的约简算法研究 | 第56-60页 |
| ·基于粒子群优化的约简算法设计 | 第56-59页 |
| ·实验结果及分析 | 第59-60页 |
| ·本章小结 | 第60-63页 |
| 第四章 基于粒子群算法和粗糙集的神经网络研究 | 第63-87页 |
| ·神经网络基础研究 | 第63-70页 |
| ·多层感知机网络 | 第65-66页 |
| ·径向基函数网络 | 第66-70页 |
| ·基于粗糙集理论的神经网络结构约简 | 第70-74页 |
| ·神经网络学习算法研究 | 第74-81页 |
| ·误差逆传播学习算法 | 第75-78页 |
| ·粒子群优化与神经网络学习间的问题空间映射 | 第78-79页 |
| ·基于粒子群优化的神经网络学习算法 | 第79-80页 |
| ·实验结果及分析 | 第80-81页 |
| ·基于神经网络的数据挖掘 | 第81-86页 |
| ·基于粗糙集神经网络的数据挖掘算法研究 | 第82-85页 |
| ·实验结果及分析 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 第五章 脑数据挖掘集成技术及其应用研究 | 第87-109页 |
| ·脑数据挖掘的基本流程 | 第87-88页 |
| ·理解问题域 | 第88-90页 |
| ·理解数据 | 第90页 |
| ·脑成像特征增强算法研究 | 第90-95页 |
| ·颜色空间变换算法 | 第91-93页 |
| ·着色匹配算法 | 第93-94页 |
| ·实验及结果 | 第94-95页 |
| ·脑成像特征提取算法研究 | 第95-100页 |
| ·特征提取流程 | 第95-99页 |
| ·实验结果及分析 | 第99-100页 |
| ·脑成像特征表示模型设计与建立 | 第100-103页 |
| ·脑数据挖掘实例研究 | 第103-107页 |
| ·本章小结 | 第107-109页 |
| 第六章 总结与展望 | 第109-113页 |
| ·总结 | 第109-110页 |
| ·展望 | 第110-113页 |
| 参考文献 | 第113-127页 |
| 攻读博士学位期间参与的项目 | 第127-129页 |
| 攻读博士学位期间完成文章目录 | 第129-131页 |
| 创新点摘要 | 第131-133页 |
| 致谢 | 第133-135页 |
| 大连理工大学学位论文版权使用授权书 | 第135页 |
