一种基于粗集的模糊聚类算法及应用的研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·选题背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·模糊聚类算法的研究发展方向 | 第11-12页 |
| ·本文的研究内容及其组织结构 | 第12-14页 |
| ·本文的研究内容 | 第12页 |
| ·本文的组织结构 | 第12-14页 |
| 第二章 模糊算法研究和粗集理论基础 | 第14-24页 |
| ·常见的几种划分式聚类算法 | 第15-20页 |
| ·K-MEANS算法 | 第16-17页 |
| ·FCM算法 | 第17-19页 |
| ·NFWFCA算法 | 第19-20页 |
| ·粗集理论基础 | 第20-23页 |
| ·基础概念 | 第20-21页 |
| ·知识约简 | 第21-22页 |
| ·信息熵和信息表示 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于粗糙集的加权模糊聚类改进算法 | 第24-28页 |
| ·基于粗集的属性重要度计算 | 第24-25页 |
| ·基于粗集的加权模糊聚类新算法 | 第25-26页 |
| ·目标函数的确立 | 第25-26页 |
| ·聚类步骤的实现 | 第26页 |
| ·算法性能分析 | 第26-27页 |
| ·本章小节 | 第27-28页 |
| 第四章 QFCM聚类在信息检索系统中的应用 | 第28-37页 |
| ·web信息检索 | 第28-29页 |
| ·web信息检索发展现状 | 第28-29页 |
| ·信息检索性能指标 | 第29页 |
| ·向量空间模型中的检索结果聚类 | 第29-34页 |
| ·启发式知识约简算法 | 第30-31页 |
| ·基于反馈查询的相对最小约简 | 第31-33页 |
| ·向量空间模型中基于相对知识约简的模糊聚类 | 第33-34页 |
| ·QFCM聚类下信息检索系统框架设计 | 第34-36页 |
| ·信息检索系统的功能模块 | 第34-35页 |
| ·基于QFCM聚类方法的信息检索业务流程和结构 | 第35-36页 |
| ·本章小节 | 第36-37页 |
| 第五章 总结与展望 | 第37-38页 |
| ·创新点和主要工作 | 第37页 |
| ·后续工作和研究前景 | 第37-38页 |
| 参考文献 | 第38-41页 |
| 致谢 | 第41页 |
