基于人工鱼群的模糊聚类算法研究及其在葡萄酒分类中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10-11页 |
| ·模糊聚类算法的研究现状 | 第11-12页 |
| ·主要研究内容 | 第12页 |
| ·论文组织结构 | 第12-14页 |
| 第二章 数据挖掘中的聚类分析 | 第14-23页 |
| ·数据挖掘概述 | 第14-15页 |
| ·数据挖掘定义 | 第14页 |
| ·数据挖掘的研究内容 | 第14-15页 |
| ·数据挖掘的应用和研究方向 | 第15页 |
| ·数据挖掘中的聚类分析 | 第15-22页 |
| ·聚类分析的定义 | 第15-16页 |
| ·聚类分析中的数据结构和数据类型 | 第16-17页 |
| ·聚类方法 | 第17-21页 |
| ·聚类有效性问题 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 模糊聚类分析理论基础 | 第23-41页 |
| ·模糊集合理论 | 第23-27页 |
| ·模糊集合的基本概念 | 第23-24页 |
| ·模糊集合的运算 | 第24页 |
| ·模糊截集及其性质 | 第24-25页 |
| ·模糊等价关系与模糊相似关系 | 第25-27页 |
| ·模糊聚类分析主要步骤 | 第27-34页 |
| ·数据的规格标准化 | 第27-28页 |
| ·建立模糊相似矩阵 | 第28-30页 |
| ·基于模糊等价关系的聚类 | 第30-34页 |
| ·基于目标函数的模糊聚类算法 | 第34-39页 |
| ·模糊 C 均值算法 | 第34-37页 |
| ·核模糊 C 均值算法 | 第37-39页 |
| ·实验结果分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于人工鱼群的模糊聚类算法 | 第41-51页 |
| ·人工鱼群算法概述 | 第41-44页 |
| ·人工鱼群算法基本原理 | 第41-43页 |
| ·人工鱼群算法处理流程 | 第43-44页 |
| ·基于人工鱼群优化的 FCM 算法 | 第44-46页 |
| ·AFSA-FCM 算法编码与适应度选取 | 第45-46页 |
| ·AFSA-FCM 算法描述 | 第46页 |
| ·基于人工鱼群优化的 KFCM 算法 | 第46-48页 |
| ·AFSA-KFCM 算法编码与适应度选取 | 第47页 |
| ·AFSA-KFCM 算法描述 | 第47-48页 |
| ·实验结果分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 模糊聚类算法在葡萄酒品质鉴别中的应用 | 第51-61页 |
| ·应用背景 | 第51-52页 |
| ·葡萄酒概述 | 第52-53页 |
| ·葡萄酒的分类 | 第52页 |
| ·葡萄酒的成分 | 第52-53页 |
| ·目前葡萄酒品质鉴别方法 | 第53-54页 |
| ·感官评定法 | 第53-54页 |
| ·传感器分析法 | 第54页 |
| ·分析仪器法 | 第54页 |
| ·模糊聚类算法在葡萄酒品质鉴别中的应用 | 第54-60页 |
| ·数据预处理 | 第54-55页 |
| ·确定最优聚类数 | 第55-58页 |
| ·葡萄酒品质鉴别 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·结论 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |
