| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 前言 | 第8-11页 |
| ·聚类和聚类分析 | 第8-9页 |
| ·研究内容及意义 | 第9-10页 |
| ·论文内容的组织 | 第10-11页 |
| 2 聚类的基本概念和聚类算法概述 | 第11-28页 |
| ·聚类分析的概念 | 第11-13页 |
| ·聚类算法概述 | 第13-28页 |
| ·谱系聚类算法 | 第13-16页 |
| ·图论聚类算法 | 第16-19页 |
| ·基于密度的聚类算法 | 第19-20页 |
| ·基于网格的聚类方法 | 第20-21页 |
| ·基于模型的聚类算法 | 第21-23页 |
| ·基于划分的聚类算法 | 第23-28页 |
| 3 基于FCM 聚类的算法改进 | 第28-48页 |
| ·HCM 算法和FCM 算法 | 第28-31页 |
| ·HCM 算法 | 第28-29页 |
| ·FCM 算法 | 第29-31页 |
| ·基于FCM 聚类的算法改进 | 第31-40页 |
| ·C 的调整 | 第31-35页 |
| ·初始聚类中心选取 | 第35-38页 |
| ·用类核代替类心 | 第38-39页 |
| ·修改距离测度函数 | 第39页 |
| ·隶属度m 的修正 | 第39-40页 |
| ·FCM 聚类算法存在的问题 | 第40-48页 |
| 4 实验结果与分析 | 第48-54页 |
| ·标准FCM 算法 | 第49-51页 |
| ·将模式随机地分成C 类并计算的每类中心作为初始类心 | 第51-53页 |
| ·通过选举机制产生初始聚类中心 | 第53-54页 |
| 5 FCM 算法应用举例－海雾识别 | 第54-57页 |
| 参考文献 | 第57-60页 |
| 作者硕士期间发表论文 | 第60-61页 |
| 致谢 | 第61页 |