复杂网络聚类及其在神经网络中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·复杂网络的研究现状 | 第10-11页 |
| ·人工神经网络的研究现状 | 第11-12页 |
| ·本文的主要工作 | 第12-13页 |
| 第2章 复杂网络的社团结构算法的研究 | 第13-21页 |
| ·引言 | 第13页 |
| ·kernighan-Lin 算法 | 第13-14页 |
| ·基于LaPlace 矩阵的传统谱平分法 | 第14页 |
| ·分裂算法 | 第14-17页 |
| ·分裂算法中的GN 算法 | 第15页 |
| ·GN 算法的衡量标准 | 第15-16页 |
| ·GN 算法的应用 | 第16页 |
| ·GN 算法的缺点 | 第16-17页 |
| ·凝聚算法 | 第17-18页 |
| ·凝聚算法中的Newman 快速算法 | 第17-18页 |
| ·Newman 快速算法的应用 | 第18页 |
| ·利用堆结构的CNM 算法 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于CNM 算法在聚类分析中的应用 | 第21-33页 |
| ·聚类分析概述 | 第21页 |
| ·聚类分析中相似性的度量方法的研究 | 第21-23页 |
| ·基于CNM 聚类算法 | 第23-26页 |
| ·实验与分析 | 第26-32页 |
| ·实验1 | 第27-28页 |
| ·实验2 | 第28-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 应用CNM 聚类方法优化RBF 神经网络 | 第33-43页 |
| ·人工神经网络的概念及特点 | 第33页 |
| ·径向基函数神经网络简介 | 第33-37页 |
| ·径向基函数网络模型 | 第34-35页 |
| ·RBF 网络的学习 | 第35-36页 |
| ·RBF 网络有关的几个问题 | 第36-37页 |
| ·基于CNM 聚类优化的RBF 神经网络算法 | 第37-38页 |
| ·实验与讨论 | 第38-42页 |
| ·实验1 | 第38-40页 |
| ·实验2 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 总结与展望 | 第43-45页 |
| ·论文的工作总结 | 第43页 |
| ·展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 附录 | 第49页 |
