灰色自适应谐振理论及其性能评估
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-5页 |
| 目录 | 第5-7页 |
| 图表索引 | 第7-8页 |
| 第一章 绪论 | 第8-13页 |
| 1．1 人工神经网络的发展历程及其特点 | 第8-9页 |
| 1．2 神经网络的结构和学习方法分类 | 第9-11页 |
| 1．3 本文的研究内容 | 第11-13页 |
| 第二章 ART及其相关模型 | 第13-22页 |
| 2．1 竞争学习机制和自稳学习机制 | 第13-15页 |
| 2．2 ART模型的分类 | 第15-16页 |
| 2．3 传统ART模型 | 第16-18页 |
| 2．3．1 定义 | 第16-17页 |
| 2．3．2 识别层 | 第17页 |
| 2．3．3 输入／比较层 | 第17-18页 |
| 2．3．4 匹配警戒门限 | 第18页 |
| 2．3．5 权重调整 | 第18页 |
| 2．4 SART模型 | 第18-22页 |
| 2．4．1 定义 | 第19页 |
| 2．4．2 识别层 | 第19页 |
| 2．4．3 输入／比较层 | 第19-20页 |
| 2．4．4 警戒门限 | 第20页 |
| 2．4．5 相似度函数的选择 | 第20-21页 |
| 2．4．6 权值调整 | 第21-22页 |
| 第三章 灰色系统理论 | 第22-25页 |
| 3．1 灰色系统的概念及其主要研究内容 | 第22页 |
| 3．2 灰色关联分析 | 第22-23页 |
| 3．3 改进的灰色关联系数 | 第23-25页 |
| 第四章 GART、IGART模型及其性能评估 | 第25-37页 |
| 4．1 灰色ART模型 | 第25-26页 |
| 4．2 改进的GART模型 | 第26-27页 |
| 4．3 灰色关联函数的选取 | 第27-30页 |
| 4．4 GART和IGART模型的性能评估 | 第30-37页 |
| 4．4．1 对Iris数据集的聚类试验 | 第30-33页 |
| 4．4．2 对Wine数据集的聚类试验 | 第33-37页 |
| 第五章 灰色SART模型及其性能评估 | 第37-42页 |
| 5．1 灰色SART模型 | 第37页 |
| 5．2 改进的GSART模型 | 第37-38页 |
| 5．3 GSART和IGSART模型的性能评估 | 第38-42页 |
| 5．3．1 对Iris数据集的聚类试验 | 第38-39页 |
| 5．3．2 对Wine数据集的聚类试验 | 第39-42页 |
| 第六章 回顾与展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 在学期间的研究成果 | 第44页 |
| 在学期间参与的科研项目 | 第44-45页 |
| 参考文献 | 第45-46页 |
