| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-12页 |
| ·引言 | 第8-9页 |
| ·聚类分析与模糊集理论的结合 | 第9-10页 |
| ·研究的背景和意义 | 第10页 |
| ·本文的组织和主要研究内容 | 第10-12页 |
| 第2章 模糊集理论基础 | 第12-20页 |
| ·经典集合和模糊集合 | 第12-13页 |
| ·经典集合 | 第12页 |
| ·模糊集合 | 第12-13页 |
| ·模糊集合的表示方法 | 第13-14页 |
| ·模糊集的基本定理 | 第14-16页 |
| ·截集 | 第14-16页 |
| ·分解定理 | 第16页 |
| ·模糊关系 | 第16-20页 |
| ·关系的基本知识 | 第16-17页 |
| ·模糊关系 | 第17-18页 |
| ·模糊关系的性质 | 第18-20页 |
| 第3章 模糊聚类理论研究现状 | 第20-34页 |
| ·模糊聚类理论的发展概况 | 第20-21页 |
| ·模糊聚类目标函数的演化 | 第21-26页 |
| ·模糊划分矩阵U | 第21-23页 |
| ·相似性准则 | 第23-24页 |
| ·聚类原型P | 第24页 |
| ·加权指数m | 第24-25页 |
| ·对各种数据集X聚类 | 第25-26页 |
| ·模糊聚类算法的实现途径 | 第26-28页 |
| ·基于交替优化的实现 | 第26页 |
| ·基于神经网络的实现 | 第26-27页 |
| ·基于进化计算的实现 | 第27-28页 |
| ·模糊c均值聚类算法(FCM) | 第28-32页 |
| ·硬c均值(HCM,Hard c-means)聚类算法 | 第28-30页 |
| ·模糊c均值(FCM,Fuzzy c-means)聚类算法 | 第30-32页 |
| ·模糊聚类有效性研究 | 第32-34页 |
| 第4章 FCM算法的改进 | 第34-54页 |
| ·FCM算法有效性判别 | 第34-39页 |
| ·聚类类别数c的优选 | 第34-36页 |
| ·一个新的聚类有效性函数 | 第36页 |
| ·实验结果和分析 | 第36-37页 |
| ·加权指数m的优选 | 第37-38页 |
| ·实验结果和分析 | 第38-39页 |
| ·FCM算法存在的问题 | 第39-40页 |
| ·一种改进的FCM算法 | 第40-46页 |
| ·改进的FCM算法思想 | 第40-41页 |
| ·聚类类别数c和聚类中心V的选择 | 第41-42页 |
| ·隶属度的改进 | 第42-44页 |
| ·改进的FCM算法具体步骤 | 第44-46页 |
| ·实验结果 | 第46-54页 |
| ·实验程序介绍 | 第47-49页 |
| ·实验结果分析 | 第49-54页 |
| 第5章 总结和展望 | 第54-55页 |
| ·总结 | 第54页 |
| ·进一步的研究方向 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间的研究成果 | 第59页 |