基于模糊聚类的非监督学习研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第7-11页 |
| ·问题提出 | 第7-8页 |
| ·研究现状 | 第8-9页 |
| ·研究内容 | 第9页 |
| ·研究方法 | 第9-10页 |
| ·论文结构 | 第10-11页 |
| 第二章 非监督学习与模糊聚类分析 | 第11-22页 |
| ·非监督学习 | 第11-13页 |
| ·非监督学习概念 | 第11-12页 |
| ·非监督学习的作用 | 第12页 |
| ·非监督学习方法分类 | 第12-13页 |
| ·聚类分析 | 第13-18页 |
| ·聚类分析的基本概念 | 第13-14页 |
| ·聚类分析的作用 | 第14-15页 |
| ·聚类算法的分类 | 第15-16页 |
| ·聚类算法的一般步骤 | 第16-17页 |
| ·聚类分析的研究方向 | 第17-18页 |
| ·模糊理论 | 第18-20页 |
| ·模糊数学概述 | 第18-19页 |
| ·模糊集合 | 第19页 |
| ·模糊关系 | 第19-20页 |
| ·模糊聚类分析 | 第20-22页 |
| ·模糊聚类的一般模型 | 第20-21页 |
| ·模糊聚类的研究现状 | 第21-22页 |
| 第三章 模糊C-均值聚类算法及其改进 | 第22-35页 |
| ·基于目标函数的模糊聚类分析 | 第22-25页 |
| ·数据集的C划分 | 第22-23页 |
| ·聚类目标函数 | 第23-25页 |
| ·硬C-均值聚类算法 | 第25-26页 |
| ·模糊C-均值聚类算法 | 第26-29页 |
| ·FCM概述 | 第26-27页 |
| ·FCM算法实现步骤 | 第27-28页 |
| ·FCM算法的优缺点 | 第28-29页 |
| ·FCM的改进 | 第29-34页 |
| ·提高聚类速度 | 第29-32页 |
| ·提高聚类正确率 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第四章 基于遗传算法的FCM | 第35-43页 |
| ·遗传算法概述 | 第35页 |
| ·遗传算法流程 | 第35-38页 |
| ·遗传算法的设计 | 第38-39页 |
| ·基于遗传算法的FCM | 第39-42页 |
| ·编码 | 第39-40页 |
| ·初始化 | 第40页 |
| ·适应度函数的确定 | 第40页 |
| ·选择算子 | 第40-41页 |
| ·交叉算子 | 第41页 |
| ·变异算子 | 第41页 |
| ·GFCM的实现过程 | 第41页 |
| ·实验结果与说明 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第五章 模糊自组织映射神经网络聚类算法 | 第43-51页 |
| ·人工神经网络基础 | 第43-44页 |
| ·人工神经网络的发展 | 第43-44页 |
| ·人工神经网络的拓扑特性 | 第44页 |
| ·自组织特征映射神经网络 | 第44-48页 |
| ·竞争学习与侧抑制 | 第44-46页 |
| ·竞争学习原理 | 第46页 |
| ·自组织特征映射神经网络 | 第46-48页 |
| ·模糊自组织神经网络聚类算法 | 第48-50页 |
| ·自组织映射神经网络聚类算法的弱点 | 第48-49页 |
| ·模糊自组织映射神经网络聚类算法 | 第49-50页 |
| ·实验及结果分析 | 第50页 |
| ·小结 | 第50-51页 |
| 第六章 结束语 | 第51-52页 |
| ·文本的主要工作 | 第51页 |
| ·进一步的研究 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 附录 IRIS数据集 | 第54-56页 |
| 致谢 | 第56页 |
