基于正则化方法的模糊C-均值聚类算法的研究
| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1. 绪论 | 第10-15页 |
| ·研究背景及选题意义 | 第10-11页 |
| ·国内外在该方向的研究现状及分析 | 第11-12页 |
| ·模糊C-均值聚类算法存在的问题 | 第12-13页 |
| ·论文的主要研究内容及结构安排 | 第13-15页 |
| 2. 模糊C-均值聚类算法的研究 | 第15-36页 |
| ·模糊聚类算法的基础知识 | 第15-18页 |
| ·硬C-均值聚类算法 | 第15-17页 |
| ·模糊C-均值聚类算法 | 第17-18页 |
| ·Tikhonov 正则化 | 第18-21页 |
| ·不适定问题 | 第19页 |
| ·Tikhonov 正则化 | 第19-21页 |
| ·基于Tikhonov 正则化的FCM 算法1 | 第21-24页 |
| ·正则参数α的确定 | 第22页 |
| ·基于Tikhonov 正则化的FCM 算法1 | 第22-24页 |
| ·基于Tikhonov 正则化的FCM 算法2 | 第24-27页 |
| ·减法聚类确定初始聚类中心 | 第24-25页 |
| ·基于Tikhonov 正则化的FCM 算法2 | 第25-27页 |
| ·实验分析 | 第27-35页 |
| ·本章小结 | 第35-36页 |
| 3. 一种新的模糊聚类有效性指标 | 第36-51页 |
| ·引言 | 第36-37页 |
| ·已有的模糊聚类有效性指标 | 第37-40页 |
| ·基于数据集模糊划分的聚类有效性指标 | 第37-38页 |
| ·基于数据集几何结构的模糊聚类有效性指标 | 第38-40页 |
| ·一种新的模糊聚类有效性指标 | 第40-42页 |
| ·模糊集划分的清晰度 | 第40-42页 |
| ·一种新的模糊聚类有效性指标 | 第42页 |
| ·基于FCM 算法的有效性分析过程 | 第42-44页 |
| ·实验分析 | 第44-50页 |
| ·人工数据集和著名数据集 | 第44-47页 |
| ·实验结果分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 4. 本文算法在T-S 模糊系统辨识中的应用 | 第51-62页 |
| ·T-S 模糊模型的描述 | 第51-53页 |
| ·T-S 模糊系统辨识 | 第53-54页 |
| ·模糊模型的前提结构和参数的辨识方法 | 第53-54页 |
| ·模糊模型的后件参数辨识方法 | 第54页 |
| ·基于本文算法的 T-S 模糊系统辨识算法 | 第54-55页 |
| ·实例建模分析 | 第55-61页 |
| ·本章小结 | 第61-62页 |
| 5.结论与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |
