| 摘 要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·模糊聚类理论的发展概况 | 第9-11页 |
| ·模式识别的发展概况 | 第11-12页 |
| ·模糊聚类理论的模式识别研究的意义和作用 | 第12-13页 |
| ·本文主要解决的问题 | 第13-15页 |
| 第二章 模糊集理论的模式识别系统及方法 | 第15-20页 |
| ·模糊集理论的模式识别系统 | 第15-17页 |
| ·模式识别系统的组成 | 第15-16页 |
| ·模式识别系统设计的基本步骤 | 第16页 |
| ·模糊集识别算法的实现步骤 | 第16-17页 |
| ·模糊集理论的识别方法 | 第17-20页 |
| ·最大隶属原则识别方法 | 第17-18页 |
| ·贴近度原则识别方法 | 第18页 |
| ·模糊聚类分析识别方法 | 第18-20页 |
| 第三章 模糊聚类算法的聚类分析 | 第20-31页 |
| ·模糊相似关系的最大树法 | 第20-21页 |
| ·模糊等价关系的传递闭包法 | 第21-22页 |
| ·模糊c-均值算法 | 第22-26页 |
| ·数据集的硬c-划分空间和模糊c-划分空间 | 第22-24页 |
| ·硬c-均值算法 | 第24-25页 |
| ·模糊c-均值算法 | 第25-26页 |
| ·仿真实验及结果分析 | 第26-31页 |
| ·实例的仿真结果分析 | 第26-29页 |
| ·理论数据集IRIS的仿真结果分析 | 第29-31页 |
| 第四章 模糊聚类新算法的模式识别研究 | 第31-48页 |
| ·FCM算法的在线递推学习方法的聚类分析 | 第31-37页 |
| ·带约束条件的非线性规划问题的优化计算 | 第31-33页 |
| ·FCM算法的在线递推学习方法 | 第33-36页 |
| ·FCM算法的一种改进离线学习方法 | 第36-37页 |
| ·点密度加权模糊c-均值算法的聚类分析 | 第37-40页 |
| ·点密度加权矩阵的计算 | 第37-38页 |
| ·点密度加权模糊c-均值算法 | 第38-40页 |
| ·部分监督加权模糊c-均值算法的聚类分析 | 第40-42页 |
| ·部分监督模糊c-均值算法 | 第40-41页 |
| ·部分监督加权模糊c-均值算法 | 第41-42页 |
| ·新算法的仿真结果分析 | 第42-48页 |
| ·在线递推学习方法和改进离线学习方法的仿真结果 | 第42-44页 |
| ·FCM、WFCM、PSFCM和PSWFCM算法的仿真结果 | 第44-48页 |
| 第五章 模糊聚类的聚类有效性函数研究 | 第48-56页 |
| ·基于数据集模糊划分的聚类有效性函数 | 第48-51页 |
| ·划分系数 | 第49-50页 |
| ·划分熵 | 第50-51页 |
| ·基于数据集几何结构的聚类有效性函数 | 第51-53页 |
| ·Xie-Beni聚类有效性函数 | 第51-52页 |
| ·Kwan聚类有效性函数 | 第52-53页 |
| ·聚类有效性函数的仿真实验及分析 | 第53-56页 |
| ·有效性函数仿真结果的分析比较 | 第53-54页 |
| ·FCM算法和WFCM算法的聚类有效性分析 | 第54-56页 |
| 第六章 模糊聚类分析在模式识别中的应用实例 | 第56-64页 |
| ·模糊聚类分析的地下水质量的综合评价 | 第56-62页 |
| ·水域的模糊聚类分析 | 第56-57页 |
| ·地下水质量的综合评价 | 第57-58页 |
| ·仿真实例及评价结果的分析比较 | 第58-62页 |
| ·模糊聚类方法的图像分割 | 第62-64页 |
| 第七章 结束语 | 第64-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69-70页 |
| 附录 IRIS数据集 | 第70-71页 |
| 个人简历、攻读硕士学位期间完成的论文及科研情况 | 第71页 |