基于超平面原型的聚类算法及相应扩展神经网络的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-18页 |
| ·聚类概述 | 第13页 |
| ·聚类算法的用途与要求 | 第13-16页 |
| ·本文的研究内容 | 第16页 |
| ·本文结构 | 第16-18页 |
| 第二章 聚类算法研究基础 | 第18-26页 |
| ·常用的聚类算法分类 | 第18-19页 |
| ·基于划分的方法 | 第18页 |
| ·基于层次的方法 | 第18-19页 |
| ·基于密度的方法 | 第19页 |
| ·基于网格的方法 | 第19页 |
| ·基于模型的方法 | 第19页 |
| ·几种常用的划分算法 | 第19-22页 |
| ·k-均值聚类算法 | 第19-20页 |
| ·k-中心点聚类算法 | 第20-21页 |
| ·kPC 算法 | 第21-22页 |
| ·模糊聚类算法 | 第22-26页 |
| ·模糊化聚类思想 | 第22页 |
| ·FCM 算法 | 第22-23页 |
| ·FCV 聚类算法 | 第23-26页 |
| 第三章 模糊 C-平面聚类算法 | 第26-35页 |
| ·模糊思想的引入 | 第26页 |
| ·目标函数的定义 | 第26-27页 |
| ·算法理论证明 | 第27-29页 |
| ·算法流程 | 第29-30页 |
| ·仿真实验 | 第30-34页 |
| ·人工数据集实验 | 第30-32页 |
| ·UCI 数据集实验 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 人工神经网络研究 | 第35-44页 |
| ·人工神经网络简介 | 第35-40页 |
| ·人工神经网络的发展与现状 | 第35-36页 |
| ·神经元模型 | 第36-38页 |
| ·神经网络的基本结构 | 第38-39页 |
| ·人工神经网络的特点 | 第39-40页 |
| ·人工神经网络的应用 | 第40页 |
| ·MLP 网络 | 第40-41页 |
| ·网络结构 | 第40页 |
| ·激活函数 | 第40页 |
| ·学习算法 | 第40-41页 |
| ·RBF 网络 | 第41-43页 |
| ·网络结构 | 第41-42页 |
| ·激活函数 | 第42页 |
| ·学习算法 | 第42-43页 |
| ·MLP 网络与RBF 网络的比较 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第五章 平面高斯神经网络 | 第44-58页 |
| ·KPC 算法的引入 | 第44-45页 |
| ·平面高斯函数的定义 | 第45页 |
| ·PG 网络结构及学习过程 | 第45-47页 |
| ·与其他网络的关系 | 第47-49页 |
| ·与 MLP 网络关系 | 第47页 |
| ·与 RBF 网络关系 | 第47-49页 |
| ·PG 网络的扩展 | 第49页 |
| ·仿真实验 | 第49-57页 |
| ·人工数据集实验 | 第49-52页 |
| ·UCI 数据集实验 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·本文总结 | 第58-59页 |
| ·研究工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 在学期间研究成果 | 第65页 |
