| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文主要研究内容 | 第9-10页 |
| 1.4 本文的组织结构 | 第10-12页 |
| 第二章 面向单调分类的简洁单调TSK模糊系统 | 第12-22页 |
| 2.1 引言 | 第12-13页 |
| 2.2 相关工作 | 第13-15页 |
| 2.2.1 Takagi-Sugeno-Kang模糊系统 | 第13-14页 |
| 2.2.2 有序互信息 | 第14-15页 |
| 2.3 面向单调分类的简洁单调TSK模糊系统 | 第15-17页 |
| 2.3.1 基于最大相关最小冗余的有序互信息的特征抽取 | 第15-16页 |
| 2.3.2 面向单调分类的简洁单调TSK模糊系统构造过程 | 第16页 |
| 2.3.3 面向单调分类的简洁单调TSK模糊系统构造算法 | 第16-17页 |
| 2.4 实验研究 | 第17-20页 |
| 2.4.1 实验设置 | 第17-18页 |
| 2.4.2 实验结果 | 第18-20页 |
| 2.5 本章小结 | 第20-22页 |
| 第三章 基于增强软子空间聚类和稀疏学习的简洁TSK模糊系统 | 第22-32页 |
| 3.1 引言 | 第22页 |
| 3.2 相关工作 | 第22-24页 |
| 3.2.1 0阶TSK模糊系统 | 第22-24页 |
| 3.2.2 软子空间聚类 | 第24页 |
| 3.2.3 经典的Lasso稀疏学习 | 第24页 |
| 3.3 基于增强软子空间聚类和稀疏学习的精简TSK模糊系统 | 第24-26页 |
| 3.3.1 基于增强软子空间聚类规则前件的生成 | 第24-25页 |
| 3.3.2 基于Lasso稀疏学习规则后件和规则约简 | 第25页 |
| 3.3.3 多分类策略 | 第25-26页 |
| 3.4 实验研究 | 第26-28页 |
| 3.4.1 实验设置 | 第26页 |
| 3.4.2 评价指标 | 第26-27页 |
| 3.4.3 真实数据集实验 | 第27-28页 |
| 3.5 统计分析 | 第28-30页 |
| 3.6 本章小结 | 第30-32页 |
| 第四章 基于Lasso稀疏学习的径向基函数神经网络 | 第32-40页 |
| 4.1 概述 | 第32-33页 |
| 4.2 相关工作 | 第33-34页 |
| 4.2.1 径向基神经网络 | 第33-34页 |
| 4.2.2 LASSO线性问题 | 第34页 |
| 4.3 基于Lasso稀疏学习的RBF函数神经网络 | 第34-35页 |
| 4.3.1 基于稀疏学习的RBF神经网络优化目标和参数学习 | 第34-35页 |
| 4.3.2 收缩参数的确定 | 第35页 |
| 4.3.3 算法步骤 | 第35页 |
| 4.4 多分类策略 | 第35-36页 |
| 4.5 实验结果及分析 | 第36-37页 |
| 4.5.1 实验设置 | 第36页 |
| 4.5.2 评价标准 | 第36页 |
| 4.5.3 真实数据集实验 | 第36-37页 |
| 4.6 本章小结 | 第37-40页 |
| 第五章 隐空间共享多视角模糊聚类 | 第40-54页 |
| 5.1 引言 | 第40页 |
| 5.2 相关工作 | 第40-43页 |
| 5.2.1 FCM | 第40-41页 |
| 5.2.2 NMF | 第41页 |
| 5.2.3 Co-FKM | 第41-43页 |
| 5.3 隐空间共享多视角模糊聚类 | 第43-47页 |
| 5.3.1 基于非负矩阵分解的多视角共享隐空间学习 | 第43-44页 |
| 5.3.2 优化目标函数 | 第44页 |
| 5.3.3 优化求解 | 第44-47页 |
| 5.3.4 算法描述 | 第47页 |
| 5.4 实验研究 | 第47-50页 |
| 5.4.1 实验设置 | 第47-48页 |
| 5.4.2 多视角基准数据集 | 第48-49页 |
| 5.4.3 性能比较 | 第49-50页 |
| 5.5 算法收敛性 | 第50-51页 |
| 5.6 统计分析 | 第51-53页 |
| 5.7 本章小结 | 第53-54页 |
| 主要结论与展望 | 第54-56页 |
| 主要结论 | 第54页 |
| 展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第64页 |
