首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

无监督TSK模糊系统及其应用研究

摘要第3-4页
Abstract第4-5页
第一章 绪论第8-13页
    1.1 研究背景第8-9页
    1.2 研究意义第9-10页
    1.3 国内外研究动态与趋势第10-11页
    1.4 本文主要研究内容第11-13页
第二章 TSK模糊系统以及聚类理论研究第13-23页
    2.1 TSK模糊系统概述第13-14页
    2.2 聚类分析的基本概念第14-15页
    2.3 经典聚类算法第15-16页
        2.3.1 基于层次方法的聚类算法第16页
        2.3.2 基于划分的聚类方法第16页
        2.3.3 基于网格和密度的聚类方法第16页
    2.4 基于经典聚类算法的改进算法第16-21页
        2.4.1 基于PCA的模糊C均值聚类算法第17-18页
        2.4.2 基于ELM隐空间映射的模糊C均值算法第18-20页
        2.4.3 基于核方法的模糊C均值聚类算法第20-21页
    2.5 本章小结第21-23页
第三章 分层递阶融合模糊特征映射的模糊C均值聚类算法第23-36页
    3.1 引言第23页
    3.2 基于分层递阶融合的模糊特征映射新方法第23-26页
    3.3 基于分层递阶融合模糊特征映射的模糊C均值聚类算法第26-27页
    3.4 LHFFFM-FCM算法实验结果与分析第27-35页
        3.4.1 算法评价指标第27页
        3.4.2 实验设置第27-28页
        3.4.3 聚类效果对比试验第28-32页
        3.4.4 单层映射结构与多层递阶融合映射结构的聚类效果对比实验与分析第32-33页
        3.4.5 参数敏感性试验第33-35页
    3.5 本章小结第35-36页
第四章 无监督TSK模糊系统第36-51页
    4.1 引言第36页
    4.2 无监督模糊系统第36-41页
        4.2.1 现有TSK模糊系统处理数据面临的问题第36-37页
        4.2.2 TSK模糊系统的模糊规则前件第37-38页
        4.2.3 无监督TSK模糊系统第38-41页
    4.3 实验研究与分析第41-50页
        4.3.1 算法评价指标第41-42页
        4.3.2 实验数据第42-45页
        4.3.3 对比算法以及相关参数设置第45页
        4.3.4 聚类效果对比实验第45-48页
        4.3.5 参数敏感性实验第48-50页
    4.4 本章小结第50-51页
第五章 总结与展望第51-53页
    5.1 工作总结第51页
    5.2 研究工作展望第51-53页
致谢第53-54页
参考文献第54-57页
附录:作者在攻读硕士学位期间发表的论文第57页

论文共57页,点击 下载论文
上一篇:基于深度学习的立体图像质量评价方法研究
下一篇:一种摩擦式内驱动球形机器人的设计及轨迹控制研究