基于模糊与神经网络的聚类分析
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-13页 |
| ·聚类分析的概述 | 第9页 |
| ·选题的背景和意义 | 第9-10页 |
| ·聚类分析的研究动态 | 第10-12页 |
| ·本文主要研究内容和安排 | 第12-13页 |
| 第二章 模糊逻辑理论 | 第13-21页 |
| ·模糊逻辑理论 | 第13-16页 |
| ·模糊集合 | 第13-14页 |
| ·模糊集合的运算 | 第14-15页 |
| ·模糊集合的λ-截集 | 第15-16页 |
| ·模糊关系与模糊矩阵 | 第16-17页 |
| ·模糊关系与模糊矩阵的定义 | 第16页 |
| ·模糊关系的合成 | 第16-17页 |
| ·模糊等价关系与模糊相似关系 | 第17页 |
| ·模糊聚类分析 | 第17-20页 |
| ·基于模糊等价关系的聚类方法 | 第18页 |
| ·模糊c-均值算法 | 第18-20页 |
| 本章小结 | 第20-21页 |
| 第三章 神经网络 | 第21-34页 |
| ·引言 | 第21-22页 |
| ·人工神经网络模型 | 第22-24页 |
| ·人工神经元的基本模型 | 第22-23页 |
| ·人工神经元的学习算法 | 第23页 |
| ·人工神经网络的特点 | 第23-24页 |
| ·前馈神经网络 | 第24-28页 |
| ·感知器网络 | 第24-26页 |
| ·BP神经网络 | 第26-28页 |
| ·反馈神经网络 | 第28-30页 |
| ·离散Hopfield网络的网络结构 | 第29-30页 |
| ·离散Hopfield神经网络的工作方式 | 第30页 |
| ·径向基函数网络 | 第30-32页 |
| ·RBF网络的结构以及工作方式 | 第31页 |
| ·RBF网络的特点 | 第31-32页 |
| ·概率神经网络 | 第32-33页 |
| 本章小结 | 第33-34页 |
| 第四章 模糊神经网络 | 第34-43页 |
| ·引言 | 第34页 |
| ·模糊系统与神经网络的结合 | 第34-35页 |
| ·模糊神经元 | 第35-38页 |
| ·由模糊规则所描述的模糊神经元 | 第35-36页 |
| ·对非模糊神经元直接模糊化而得到的模糊神经元 | 第36-38页 |
| ·模糊神经网络在模式识别中的应用设计 | 第38-42页 |
| ·应用背景 | 第38页 |
| ·ANFIS结构 | 第38-39页 |
| ·Takagi-Sugeno模型 | 第39页 |
| ·模糊神经网络的结构和学习算法 | 第39-42页 |
| 本章小结 | 第42-43页 |
| 第五章 实证分析 | 第43-62页 |
| ·数据及软件说明 | 第43-44页 |
| ·利用BP神经网络进行模式分类 | 第44-47页 |
| ·BP网络的建立及执行 | 第44-46页 |
| ·BP网络的模式分类 | 第46-47页 |
| ·Hopfield网络在模式分类中的实现 | 第47-49页 |
| ·构建Hopfield网络的步骤 | 第47-49页 |
| ·利用RBF网络进行模式分类 | 第49-53页 |
| ·RBF网络参数的选择 | 第49页 |
| ·RBF网络的模式分类 | 第49-53页 |
| ·利用PNN网络进行模式分类 | 第53-56页 |
| ·PNN网络分类的实现步骤 | 第53-56页 |
| ·利用模糊C均值聚类进行模式分类 | 第56-57页 |
| ·利用模糊神经网络进行模式分类 | 第57-60页 |
| ·结果分析 | 第60-61页 |
| 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间公开发表的论文 | 第72页 |
