有监督聚类神经网络的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-10页 |
| ·研究背景 | 第7页 |
| ·研究现状 | 第7-8页 |
| ·研究意义和目标 | 第8-9页 |
| ·论文结构 | 第9-10页 |
| 第二章 聚类算法简介 | 第10-15页 |
| ·聚类相关概念 | 第10-11页 |
| ·聚类阶段 | 第10页 |
| ·相似性度量 | 第10-11页 |
| ·聚类常用方法 | 第11-13页 |
| ·划分方法 | 第11-12页 |
| ·层次方法 | 第12页 |
| ·基于密度的方法 | 第12页 |
| ·基于模型的方法 | 第12-13页 |
| ·模糊聚类算法 | 第13-15页 |
| 第三章 径向基函数神经网络 | 第15-18页 |
| ·RBF 网络原理 | 第15-16页 |
| ·径向基函数与插值问题 | 第15页 |
| ·径向基函数网络结构 | 第15-16页 |
| ·RBF 常用学习算法 | 第16-18页 |
| ·聚类方法 | 第16页 |
| ·梯度下降法 | 第16-17页 |
| ·正交最小二乘学习法 | 第17-18页 |
| 第四章 回归分析与局部回归 | 第18-22页 |
| ·回归分析 | 第18-19页 |
| ·发展历史 | 第18页 |
| ·基本假设 | 第18-19页 |
| ·回归方程 | 第19页 |
| ·线性回归 | 第19-20页 |
| ·一元线性回归 | 第19-20页 |
| ·最小二乘法参数估计 | 第20页 |
| ·局部回归 | 第20-22页 |
| 第五章 基于线性回归模型的监督聚类RBFN | 第22-33页 |
| ·RBF 网络结构 | 第22-24页 |
| ·网络结构 | 第22页 |
| ·训练过程 | 第22-24页 |
| ·基于线性回归模型的监督聚类 | 第24-28页 |
| ·线性回归模型 | 第24-26页 |
| ·回归参数的计算 | 第26页 |
| ·监督项的影响因子 | 第26-27页 |
| ·监督模糊聚类算法 | 第27-28页 |
| ·网络输出 | 第28页 |
| ·实验结果及分析 | 第28-33页 |
| ·实验一 | 第28-31页 |
| ·实验二 | 第31-33页 |
| 第六章 基于模糊划分的局部回归建模 | 第33-46页 |
| ·全局建模 | 第33-34页 |
| ·基于监督聚类的模糊划分局部建模 | 第34-38页 |
| ·算法结构 | 第34页 |
| ·监督聚类实现模糊划分 | 第34-37页 |
| ·局部模型的加权组合 | 第37-38页 |
| ·实验结果及分析 | 第38-46页 |
| ·实验一 | 第38-41页 |
| ·实验二 | 第41-43页 |
| ·实验三 | 第43-46页 |
| 第七章 总结和展望 | 第46-47页 |
| ·总结 | 第46页 |
| ·展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第50页 |
