空间信息处理中基于模糊技术的数学模型的改进
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·引言 | 第9页 |
| ·模糊空间信息处理的现状以及发展趋势 | 第9-10页 |
| ·模糊模式识别与模糊神经网络概述 | 第10-12页 |
| ·模糊模式识别简介 | 第10-11页 |
| ·模糊信息处理与模糊神经网络 | 第11-12页 |
| ·论文研究的主要内容及论文的组织结构 | 第12-13页 |
| 第2章 模糊数学理论基础知识 | 第13-23页 |
| ·模糊集合与模糊关系 | 第13-15页 |
| ·模糊集合的概念及其运算 | 第13-14页 |
| ·模糊关系 | 第14-15页 |
| ·模糊特征和模糊分类 | 第15-16页 |
| ·模糊关系与模糊矩阵 | 第16-17页 |
| ·模糊聚类 | 第17-21页 |
| ·模糊聚类统计量 | 第17-18页 |
| ·模糊聚类的传递闭包 | 第18页 |
| ·模糊聚类的图论法 | 第18-19页 |
| ·模糊聚类的ISODATA法 | 第19-21页 |
| ·模糊模式识别 | 第21-23页 |
| ·模糊模式识别的原则 | 第21-22页 |
| ·模糊模式识别的方法 | 第22-23页 |
| 第3章 模糊神经网络理论 | 第23-33页 |
| ·模糊信息处理与神经网络 | 第23-26页 |
| ·模糊信息处理的神经网络方法 | 第23页 |
| ·基本模糊神经元与模糊神经网络 | 第23-26页 |
| ·模糊神经网络模型 | 第26-28页 |
| ·基于神经网络的模糊推理过程 | 第28-33页 |
| ·模糊推理的组成 | 第29-30页 |
| ·模糊推理的实现 | 第30-31页 |
| ·神经网络实现的模糊推理系统 | 第31-33页 |
| 第4章 一种模糊聚类与模糊识别模型研究 | 第33-41页 |
| ·模糊Kohonen聚类算法 | 第33-34页 |
| ·模糊C均值聚类算 | 第34-36页 |
| ·HCM算法 | 第34-35页 |
| ·FCM算法 | 第35-36页 |
| ·一种模糊聚类与模糊识别模型改进 | 第36-39页 |
| ·模型的仿真实现 | 第39-41页 |
| 第5章 基于模糊聚类的模糊神经网络模型的改进 | 第41-49页 |
| ·基于T-S模型的模糊神经网络 | 第41-43页 |
| ·模糊系统的T-S模型 | 第41-42页 |
| ·T-S模型的模糊神经网络 | 第42-43页 |
| ·改进的模糊C均值聚类 | 第43-44页 |
| ·聚类数目的确定 | 第43-44页 |
| ·初始聚类中心的选择 | 第44页 |
| ·新型的T-S逻辑模糊神经网络模型 | 第44-46页 |
| ·新型模糊神经网络的输入输出结构 | 第45-46页 |
| ·新型模糊神经网络的学习算法 | 第46页 |
| ·模型仿真实现 | 第46-49页 |
| 第6章 总结与展望 | 第49-51页 |
| ·总结 | 第49页 |
| ·展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间发表的论文 | 第54页 |
