摘要 | 第5-7页 |
abstract | 第7-9页 |
第1章 绪论 | 第14-25页 |
1.1 研究背景及意义 | 第14-16页 |
1.2 聚类的历史发展 | 第16-17页 |
1.3 聚类的主要方法 | 第17-20页 |
1.4 聚类个数的确定 | 第20-21页 |
1.5 聚类结果评价方法 | 第21-22页 |
1.6 本文研究内容 | 第22-23页 |
1.7 本文主要创新点 | 第23-25页 |
第2章 改进的k - 均值算法 | 第25-58页 |
2.1 k - 均值算法 | 第25页 |
2.2 k - 均值算法研究现状 | 第25-27页 |
2.3 全局k - 均值算法 | 第27-28页 |
2.4 MinMax k - 均值算法 | 第28-29页 |
2.5 粒子群优化算法 | 第29-30页 |
2.6 改进的全局k - 均值算法 | 第30-32页 |
2.7 全局MinMax k - 均值算法 | 第32-33页 |
2.8 PSO MinMax k - 均值算法 | 第33-36页 |
2.9 实验数据 | 第36-38页 |
2.9.1 人工生成数据 | 第36-37页 |
2.9.2 实际数据 | 第37-38页 |
2.10 实验结果及分析 | 第38-49页 |
2.10.1 全局MinMax k - 均值算法实验结果及分析 | 第38-47页 |
2.10.2 PSO MinMax k - 均值算法实验结果及分析 | 第47-49页 |
2.11 本章小结 | 第49-58页 |
第3章 SOM改进算法及应用 | 第58-73页 |
3.1 自组织竞争神经网络 | 第58-63页 |
3.1.1 自组织竞争网络 | 第58-59页 |
3.1.2 SOM | 第59-60页 |
3.1.3 LVQ | 第60-63页 |
3.2 系统聚类法 | 第63页 |
3.3 SOM研究现状 | 第63-64页 |
3.4 改进的SOM分类算法 | 第64-66页 |
3.4.1 基于系统聚类法改进的SOM分类算法 | 第64-65页 |
3.4.2 基于k - 均值算法改进的SOM分类算法 | 第65-66页 |
3.5 基于系统聚类法改进的SOM算法在人脸朝向识别上的应用 | 第66-69页 |
3.5.1 人脸识别 | 第66-67页 |
3.5.2 实验结果及分析 | 第67-69页 |
3.6 改进的两种算法在入侵检测实验上的应用 | 第69-72页 |
3.6.1 入侵检测 | 第69-70页 |
3.6.2 实验结果及分析 | 第70-72页 |
3.7 本章小结 | 第72-73页 |
第4章 基于改进的SOM分类算法的稀疏子空间聚类 | 第73-83页 |
4.1 子空间聚类算法 | 第73-74页 |
4.2 稀疏子空间聚类算法研究现状 | 第74页 |
4.3 SSC | 第74-75页 |
4.4 提出的算法 | 第75-78页 |
4.4.1 SSC算法分析 | 第75-76页 |
4.4.2 MSSC | 第76-77页 |
4.4.3 SSCSOM | 第77-78页 |
4.5 MSSC算法性能分析 | 第78-79页 |
4.5.1 人工合成数据 | 第78-79页 |
4.5.2 实验结果及分析 | 第79页 |
4.6 SSCSOM算法在人脸识别上的应用 | 第79-81页 |
4.6.1 人脸图像数据 | 第79-80页 |
4.6.2 实验结果及分析 | 第80-81页 |
4.7 本章小结 | 第81-83页 |
第5章 自组织竞争网络在激光超声探伤表面波分类上的应用 | 第83-93页 |
5.1 研究背景及意义 | 第83-84页 |
5.2 实验说明 | 第84-85页 |
5.3 概率神经网络 | 第85-87页 |
5.4 实验数据处理过程及结果分析 | 第87-91页 |
5.4.1 自组织竞争网络数据处理过程及结果分析 | 第87-88页 |
5.4.2 LVQ神经网络数据处理过程及结果分析 | 第88-90页 |
5.4.3 PNN数据处理过程及结果分析 | 第90-91页 |
5.4.4 三种神经网络预测结果对比分析 | 第91页 |
5.5 本章小结 | 第91-93页 |
第6章 总结与展望 | 第93-95页 |
6.1 工作总结 | 第93-94页 |
6.2 工作展望 | 第94-95页 |
参考文献 | 第95-108页 |
攻读博士学位期间发表的论文及所取得的研究成果 | 第108-109页 |
致谢 | 第109页 |