首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

以KPCA为核心的FCM算法改进

摘要第4-6页
Abstract第6-7页
第1章 绪论第10-16页
    1.1 研究背景与研究意义第10-12页
    1.2 模糊聚类算法与核主元分析发展现状第12-13页
    1.3 主要研究内容与论文结构第13-16页
        1.3.1 对称性研究思路第13-14页
        1.3.2 创新点与章节安排第14-16页
第2章 理论背景第16-40页
    2.1 模糊数学第16-24页
        2.1.1 模糊集合的表示方式第16-18页
        2.1.2 模糊集的运算第18-20页
        2.1.3 分解定理与扩展原理第20-22页
        2.1.4 模糊关系第22-24页
    2.2 模糊C均值聚类第24-29页
        2.2.1 FCM的基本原理第25-27页
        2.2.2 FCM算法的主要参数第27-29页
        2.2.3 FCM算法的优点和缺点第29页
    2.3 核技巧与核函数第29-34页
        2.3.1 基本思想第29-30页
        2.3.2 积特征第30-31页
        2.3.3 Mercer定理与常用核函数第31-34页
    2.4 主元分析与核主元分析第34-39页
        2.4.1 PCA的基本原理第34-36页
        2.4.2 KPCA原理第36-39页
    2.5 本章小结第39-40页
第3章 基于KPCA的密度均衡化FCM改进算法第40-63页
    3.1 基于KPCA的数据预处理第40-49页
        3.1.1 使用KPCA作为FCM算法数据预处理步骤的原因第40-44页
        3.1.2 算法具体步骤第44页
        3.1.3 KPCA数据预处理仿真实验第44-48页
        3.1.4 算法特点与缺陷第48-49页
    3.2 基于密度的聚类中心初始化第49-55页
        3.2.1 密度初始化方法的基本原理第49-50页
        3.2.2 使用密度初始化方法的内在合理性第50-52页
        3.2.3 算法具体步骤第52页
        3.2.4 密度初始化算法仿真第52-54页
        3.2.5 算法特点与缺陷第54-55页
    3.3 基于密度的均衡化FCM算法第55-62页
        3.3.1 常用的均衡化思路第55-57页
        3.3.2 密度均衡化FCM第57-59页
        3.3.3 算法具体步骤第59-60页
        3.3.4 DBEFCM算法仿真第60-62页
        3.3.5 算法特点与缺陷第62页
    3.4 本章小结第62-63页
第4章 基于KPCA的聚类数自动调整算法第63-82页
    4.1 主流的最佳聚类数确定方法第63-65页
    4.2 最佳聚类数自动调整的原理第65-68页
    4.3 算法具体步骤第68-69页
    4.4 KPCA-NCAA算法仿真第69-80页
        4.4.1 目标聚类数过多第69-76页
        4.4.2 目标聚类数过少第76-80页
        4.4.3 实验总结第80页
    4.5 算法特点与缺陷第80-81页
    4.6 本章小结第81-82页
总结与展望第82-84页
致谢第84-85页
参考文献第85-89页
攻读学位期间取得学术成果第89-90页
附录A 程序流程图第90-94页
附录B 实验程序段第94-100页

论文共100页,点击 下载论文
上一篇:上海时尚产业集聚的影响因素及动力机制研究
下一篇:我国产业结构演变与碳排放的共轭因素研究