| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·研究内容和创新 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第二章 切换回归概述 | 第14-39页 |
| ·切换回归模型 | 第14-16页 |
| ·基于模糊划分的切换回归算法 | 第16-30页 |
| ·模糊集合理论及模糊聚类 | 第16-20页 |
| ·模糊C-回归模型算法FCRM | 第20-22页 |
| ·关于切换回归的集成模糊聚类算法（GFC） | 第22-26页 |
| ·基于截断模糊阈值的模糊C-回归算法（FCRα） | 第26-28页 |
| ·改进模糊划分的切换回归算法（IFP-FCRM） | 第28-30页 |
| ·基于空间映射的切换回归算法 | 第30-38页 |
| ·空间映射 | 第30-35页 |
| ·基于爬山聚类的C-回归算法（MCR） | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 一般化的改进模糊划分的切换回归模型 | 第39-51页 |
| ·基于竞争学习理论的隶属度目标函数的构造 | 第39-42页 |
| ·GIFP-FCRM 模型 | 第42-44页 |
| ·GIFP-FCRM 模型的鲁棒性的解释 | 第44-46页 |
| ·实验结果及分析 | 第46-50页 |
| ·二次切换回归模型数据集 | 第46-47页 |
| ·FCRM 和GIFP-FCRM 算法收敛速度比较 | 第47-48页 |
| ·FCRM 和GIFP-FCRM 算法受离群点的影响比较 | 第48-49页 |
| ·FCRM 和GIFP-FCRM 算法的抗噪性能比较 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 类别数估计 | 第51-68页 |
| ·有效性指标法 | 第52-55页 |
| ·Gap statistic 原理(Gap) | 第55-57页 |
| ·基于改进Gap 指标的类别数估计算法(mGap) | 第57-60页 |
| ·实验结果与分析 | 第60-66页 |
| ·基于mGap 指标的类别数估计方法之可行性分析 | 第61-62页 |
| ·基于mGap 指标的类别数估计方法之优越性分析 | 第62-66页 |
| ·本章小结 | 第66-68页 |
| 第五章 基于混合采样的自适应C-回归算法（dsACR） | 第68-84页 |
| ·混合采样原理 | 第68-73页 |
| ·基于距离的原数据空间采样 | 第68-70页 |
| ·基于密度的参数空间采样 | 第70-73页 |
| ·ACR 算法描述和实验分析 | 第73-83页 |
| ·dsACR 算法简述 | 第73-74页 |
| ·实验结果与分析 | 第74-83页 |
| ·本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-86页 |
| ·总结 | 第84-85页 |
| ·展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-91页 |
| 攻读硕士学位期间已发表或录用的论文 | 第91-93页 |
