可能性聚类算法的研究

摘要	第1-6页
Abstract	第6-10页
第一章 引言	第10-17页
·课题研究背景	第10-13页
·国内外研究现状及发展前景	第13-14页
·本文的主要内容及结构	第14-17页
第二章 模糊C 均值(FCM)聚类算法	第17-32页
·数据集的C 划分	第17-18页
·硬C 均值（HCM）聚类算法	第18-19页
·模糊C 均值（FCM）聚类算法	第19-22页
·可能性C 均值（PCM）聚类算法	第22-25页
·可能性C 均值（PCM_1）聚类算法	第22-24页
·第二种可能性C 均值（PCM_2 ）聚类算法	第24-25页
·本章小结	第25-26页
·仿真实验	第26-32页
第三章 一种基于非欧式距离的可能性C 均值聚类	第32-41页
·改进型可能性C 均值（IPCM_2 ）聚类	第33-34页
·新的改进型可能性C 均值（NIPCM_2）聚类	第34-36页
·仿真实验	第36-40页
·对噪声数据处理	第36-39页
·聚类中心分析	第39-40页
·本章小结	第40-41页
第四章 基于核函数的混合C 均值聚类算法	第41-49页
·核函数的定义	第41页
·核函数的性质	第41-43页
·核函数的性质	第41-42页
·Mercer 定理	第42-43页
·混合C 均值聚类算法	第43-45页
·基于核函数的混合C 均值聚类算法	第45-47页
·仿真实验	第47-48页
·本章小结	第48-49页
第五章 结论	第49-51页
参考文献	第51-55页
攻读硕士期间发表的论文	第55-56页
致谢	第56页