| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 缩略词 | 第16-17页 |
| 第一章 绪论 | 第17-27页 |
| 1.1 研究背景和意义 | 第17页 |
| 1.2 模糊聚类算法研究现状 | 第17-23页 |
| 1.3 本文的主要工作 | 第23-25页 |
| 1.3.1 本文的研究目标 | 第23-24页 |
| 1.3.2 本文的研究内容 | 第24-25页 |
| 1.4 本文的组织结构 | 第25-27页 |
| 第二章 理论基础 | 第27-41页 |
| 2.1 模糊聚类算法 | 第27-31页 |
| 2.1.1 模糊聚类分析的概念 | 第27页 |
| 2.1.2 主要的模糊聚类算法 | 第27-31页 |
| 2.2 粗糙集 | 第31-35页 |
| 2.2.1 粗糙集的概念 | 第31-32页 |
| 2.2.2 粗糙集的两个近似集 | 第32-33页 |
| 2.2.3 粗糙集的应用 | 第33-35页 |
| 2.3 阴影集 | 第35-40页 |
| 2.3.1 阴影集的概念 | 第35-37页 |
| 2.3.2 基于阴影集的数据选择方法 | 第37-38页 |
| 2.3.3 阴影集的应用 | 第38-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 一种新颖的聚类有效性评价指标 | 第41-48页 |
| 3.1 引言 | 第41页 |
| 3.2 基于FCM算法的聚类有效性 | 第41-43页 |
| 3.3 模糊聚类评价指标 | 第43-44页 |
| 3.3.1 模糊聚类评价指标的分类 | 第43页 |
| 3.3.2 常用的评价指标 | 第43-44页 |
| 3.4 改进指标的提出 | 第44-46页 |
| 3.5 实验分析 | 第46-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 基于阴影集的特征加权模糊聚类算法 | 第48-60页 |
| 4.1 引言 | 第48页 |
| 4.2 阴影c-均值算法 | 第48-49页 |
| 4.3 基于阴影集的特征加权模糊聚类算法 | 第49-51页 |
| 4.3.1 模糊聚类算法的缺点 | 第49页 |
| 4.3.2 基于阴影集的特征加权模糊聚类算法 | 第49-51页 |
| 4.3.3 算法流程 | 第51页 |
| 4.3.4 算法时间复杂度 | 第51页 |
| 4.4 实验分析 | 第51-59页 |
| 4.4.1 合成数据集实验 | 第52-58页 |
| 4.4.2 UCI数据集实验 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 基于阴影集和粗糙集的特征加权模糊聚类算法 | 第60-73页 |
| 5.1 引言 | 第60-61页 |
| 5.2 粗糙c-均值和粗糙-模糊c-均值聚类算法 | 第61-63页 |
| 5.2.1 粗糙c-均值算法 | 第61-62页 |
| 5.2.2 粗糙-模糊c-均值算法 | 第62-63页 |
| 5.3 基于阴影集和粗糙集的模糊聚类算法 | 第63-64页 |
| 5.3.1 阴影粗糙c-均值算法 | 第63页 |
| 5.3.2 阴影粗糙模糊c-均值算法 | 第63页 |
| 5.3.3 不同算法的异同点 | 第63-64页 |
| 5.4 基于阴影集和粗糙集的特征加权模糊聚类算法 | 第64-66页 |
| 5.4.1 基于阴影集和粗糙集的特征加权模糊聚类算法 | 第64-65页 |
| 5.4.2 算法流程 | 第65-66页 |
| 5.4.3 算法时间复杂度 | 第66页 |
| 5.5 实验分析 | 第66-72页 |
| 5.5.1 合成数据集实验 | 第66-70页 |
| 5.5.2 UCI数据集实验 | 第70-72页 |
| 5.6 本章小结 | 第72-73页 |
| 第六章 具有分类属性数据的模糊聚类算法 | 第73-86页 |
| 6.1 引言 | 第73页 |
| 6.2 基于阴影集和粗糙集的概率不相似函数混合型数据模糊聚类算法 | 第73-79页 |
| 6.2.1 KL-FCM-GM算法 | 第74-76页 |
| 6.2.2 基于阴影集和粗糙集的概率不相似函数混合型数据模糊聚类算法 | 第76-78页 |
| 6.2.3 实验分析 | 第78-79页 |
| 6.3 具有簇间信息的分类数据模糊质心聚类算法 | 第79-84页 |
| 6.3.1 具有簇间信息的分类数据模糊k-modes算法 | 第80-81页 |
| 6.3.2 具有簇间信息的分类数据模糊质心聚类算法 | 第81-83页 |
| 6.3.3 实验分析 | 第83-84页 |
| 6.4 本章小结 | 第84-86页 |
| 第七章 基于阴影集和粗糙集的模糊聚类算法应用 | 第86-105页 |
| 7.1 引言 | 第86-87页 |
| 7.2 基于SRFCM聚类再回归的机场噪声时间序列预测 | 第87-94页 |
| 7.2.1 支持向量回归机 | 第88-89页 |
| 7.2.2 SRFCM聚类再回归算法 | 第89-90页 |
| 7.2.3 机场噪声时间序列预测 | 第90-94页 |
| 7.3 基于两步SRFCM聚类算法的网络入侵检测 | 第94-99页 |
| 7.3.1“两步走”算法 | 第94-95页 |
| 7.3.2 网络入侵检测 | 第95-99页 |
| 7.4 基于WSRFCM聚类的局部离群点检测 | 第99-104页 |
| 7.4.1 基于距离的局部离群因子 | 第100页 |
| 7.4.2 基于WSRFCM的局部离群点检测算法 | 第100-101页 |
| 7.4.3 局部离群点检测 | 第101-104页 |
| 7.5 本章小结 | 第104-105页 |
| 总结与展望 | 第105-108页 |
| 主要工作总结 | 第105-106页 |
| 未来工作展望 | 第106-108页 |
| 参考文献 | 第108-117页 |
| 致谢 | 第117-118页 |
| 在学期间的研究成果及发表的学术论文 | 第118-119页 |
