基于改进BP估值的缺失数据模糊聚类算法研究
| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 引言 | 第14-20页 |
| 1.1 研究背景和意义 | 第14页 |
| 1.2 缺失数据模糊聚类的国内外研究现状 | 第14-17页 |
| 1.3 主要研究内容和工作 | 第17-18页 |
| 1.4 本文结构安排 | 第18-20页 |
| 第2章 缺失数据集聚类基本理论 | 第20-29页 |
| 2.1 模糊C均值聚类 | 第20-24页 |
| 2.1.1 模糊C均值的发展 | 第20-21页 |
| 2.1.2 模糊C均值算法流程 | 第21-23页 |
| 2.1.3 模糊C均值的优势与缺陷 | 第23-24页 |
| 2.2 BP神经网络 | 第24-28页 |
| 2.2.1 BP神经网络的结构与原理 | 第24-25页 |
| 2.2.2 BP算法的基本流程 | 第25-27页 |
| 2.2.3 BP算法的性能分析 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 一种MBP数值型估值的缺失数据模糊聚类 | 第29-43页 |
| 3.1 缺失数据聚类问题提出 | 第29-30页 |
| 3.2 训练样本的选取与优化处理 | 第30-34页 |
| 3.2.1 训练样本的选取 | 第30-33页 |
| 3.2.2 训练样本的优化处理 | 第33-34页 |
| 3.3 MBP神经网络 | 第34-39页 |
| 3.3.1 MBP神经网络的训练阶段 | 第34-36页 |
| 3.3.2 MBP算法训练阶段的基本流程 | 第36-39页 |
| 3.4 MBP神经网络的预测估值阶段 | 第39-40页 |
| 3.5 MBP-FCM算法的基本流程 | 第40-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 一种MBP区间型估值的缺失数据模糊聚类 | 第43-54页 |
| 4.1 区间值数据集 | 第43-45页 |
| 4.1.1 区间值数据 | 第43-44页 |
| 4.1.2 缺失数据集的区间型估值 | 第44-45页 |
| 4.2 缺失数据集与区间数据集的转换 | 第45-47页 |
| 4.2.1 缺失属性估值区间的确定 | 第45-46页 |
| 4.2.2 区间型估值数据集的转换 | 第46-47页 |
| 4.3 区间值模糊C均值聚类算法 | 第47-50页 |
| 4.3.1 区间值模糊C均值 | 第47-49页 |
| 4.3.2 区间值模糊C均值算法流程 | 第49-50页 |
| 4.4 MBP-IFCM算法 | 第50-52页 |
| 4.4.1 MBP-IFCM算法基本思想 | 第50-51页 |
| 4.4.2 MBP-IFCM算法基本流程 | 第51-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 实验及结果分析 | 第54-68页 |
| 5.1 实验准备 | 第54-58页 |
| 5.1.1 UCI数据集信息 | 第54-55页 |
| 5.1.2 人工数据集信息 | 第55-57页 |
| 5.1.3 缺失数据的生成规则 | 第57页 |
| 5.1.4 算法参数的设定 | 第57-58页 |
| 5.2 实验结果及分析 | 第58-67页 |
| 5.2.1 MBP-FCM的实验结果及分析 | 第58-62页 |
| 5.2.2 MBP-IFCM的实验结果及分析 | 第62-67页 |
| 5.3 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-71页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间公开发表的论文 | 第76-77页 |
