模糊聚类算法及其聚类有效性的研究
| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第10-14页 |
| ·论文的研究背景及选题意义 | 第10-11页 |
| ·国内外的研究现状及未来研究方向 | 第11-13页 |
| ·本文的主要研究内容及组织结构 | 第13-14页 |
| 第2章 聚类分析综述 | 第14-24页 |
| ·聚类算法的定义及描述 | 第14-15页 |
| ·聚类算法的分类 | 第15-19页 |
| ·聚类处理的数据类型 | 第19-21页 |
| ·样本对象的相似度衡量 | 第21-22页 |
| ·常用聚类准则函数 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 模糊聚类算法研究 | 第24-41页 |
| ·模糊聚类目标函数的演化 | 第24-29页 |
| ·划分矩阵 U 的研究 | 第25-26页 |
| ·相似性D(*)的研究 | 第26-27页 |
| ·聚类原型P 的研究 | 第27-28页 |
| ·加权指数m 的研究 | 第28页 |
| ·不同数据集类型的研究 | 第28-29页 |
| ·模糊聚类算法的实现途径 | 第29-31页 |
| ·基于交替的优化方法 | 第29-30页 |
| ·基于神经网络的优化方法 | 第30页 |
| ·基于进化计算的优化方法 | 第30-31页 |
| ·模糊 C-均值聚类算法 | 第31-40页 |
| ·数据集c 的划分 | 第31-33页 |
| ·硬 C-均值聚类算法 | 第33-36页 |
| ·模糊 C-均值算法的目标函数 | 第36-39页 |
| ·模糊 C-均值算法的实现步骤 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 模糊C-均值算法的改进 | 第41-49页 |
| ·模糊 C-均值算法中的重要参数 | 第41-42页 |
| ·模糊 C-均值算法的主要缺点 | 第42-43页 |
| ·基于属性加权的模糊 C-均值算法的改进 | 第43-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 模糊聚类中判别聚类有效性的新指标 | 第49-71页 |
| ·聚类有效性指标 | 第49-55页 |
| ·聚类有效性的含义 | 第49-50页 |
| ·聚类有效性的常用指标 | 第50-55页 |
| ·基于单一聚类指标的新的聚类有效性指标 | 第55-65页 |
| ·类内紧密度的度量 | 第55-57页 |
| ·类间分离性的度量 | 第57-58页 |
| ·基于单一指标的新的聚类有效性指标 | 第58-60页 |
| ·实验结果 | 第60-65页 |
| ·基于三种聚类有效性指标的混合指标 | 第65-70页 |
| ·拟用的三种基本指标简单介绍 | 第65-66页 |
| ·基于上述基本指标的混合指标 | 第66页 |
| ·混合指标的分析 | 第66-69页 |
| ·验证指标的可靠性 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| ·本文的工作总结 | 第71页 |
| ·进一步的研究方向 | 第71-73页 |
| 参考文献 | 第73-77页 |
