| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 模糊C均值聚类(FCM)的研究现状 | 第10-12页 |
| 1.2.2 模糊C-回归聚类(FCRM)的研究现状 | 第12-13页 |
| 1.3 现有模糊聚类算法存在的问题及解决方案 | 第13-14页 |
| 1.4 章节安排 | 第14-15页 |
| 2 FCM算法的研究及改进 | 第15-43页 |
| 2.1 FCM算法概述 | 第15-16页 |
| 2.1.1 FCM的算法步骤 | 第16页 |
| 2.2 基于高斯核函数的FCM算法 | 第16-20页 |
| 2.2.1 高斯核函数的特性 | 第17-18页 |
| 2.2.2 基于高斯函数的FCM算法的步骤 | 第18页 |
| 2.2.3 仿真实例 | 第18-20页 |
| 2.3 区间二型模糊聚类算法 | 第20-34页 |
| 2.3.1 二型模糊集合的基本概念 | 第21-23页 |
| 2.3.2 二型模糊聚类算法的原理 | 第23-25页 |
| 2.3.3 区间二型模糊聚类算法 | 第25-27页 |
| 2.3.4 区间二型模糊C均值聚类的算法步骤 | 第27-28页 |
| 2.3.5 区间二型模糊聚类的算法优化 | 第28-32页 |
| 2.3.6 仿真实例 | 第32-34页 |
| 2.4 协同模糊聚类 | 第34-40页 |
| 2.4.1 协同聚类的思想 | 第34-35页 |
| 2.4.2 协同聚类的过程 | 第35-36页 |
| 2.4.3 协同聚类的沟通本质 | 第36-37页 |
| 2.4.4 协同聚类的算法步骤 | 第37-38页 |
| 2.4.5 仿真实例 | 第38-40页 |
| 2.5 基于高斯函数的协同区间二型模糊聚类算法 | 第40-42页 |
| 2.5.1 基于高斯函数的协同区间二型模糊聚类算法的步骤 | 第40-41页 |
| 2.5.2 仿真实例 | 第41-42页 |
| 2.6 本章小结 | 第42-43页 |
| 3 FCRM算法的研究及改进 | 第43-55页 |
| 3.1 FCRM算法概述 | 第43-46页 |
| 3.1.1 单一回归模型 | 第43-44页 |
| 3.1.2 切换回归模型 | 第44-45页 |
| 3.1.3 模糊C回归聚类算法 | 第45-46页 |
| 3.2 改进的鲁棒FCRM算法 | 第46-49页 |
| 3.2.1 容差的概念 | 第46-47页 |
| 3.2.2 代替的距离测度方式 | 第47-48页 |
| 3.2.3 改进的鲁棒FCRM算法步骤 | 第48-49页 |
| 3.3 基于LM的改进模糊C回归模型聚类算法 | 第49-54页 |
| 3.3.1 LM算法原理 | 第49-51页 |
| 3.3.2 基于LM算法的FCRM算法步骤 | 第51-52页 |
| 3.3.3 仿真实例 | 第52-54页 |
| 3.4 本章小结 | 第54-55页 |
| 4 改进聚类算法应用 | 第55-63页 |
| 4.1 改进的FCM算法在空预器热点检测中的应用 | 第55-59页 |
| 4.1.1 空气预热器的热点检测方法 | 第55-56页 |
| 4.1.2 基于FCM算法的热点聚类检测 | 第56-58页 |
| 4.1.3 聚类结果分析 | 第58页 |
| 4.1.4 空预器热点检测结论 | 第58-59页 |
| 4.2 改进的FCRM算法在单晶硅特征提取中的应用 | 第59-62页 |
| 4.2.1 相关维度的计算方法 | 第59-60页 |
| 4.2.2 基于FCRM算法的相关维度的自动计算方法 | 第60-62页 |
| 4.2.3 单晶硅动态特征提取结论 | 第62页 |
| 4.3 本章小结 | 第62-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录A | 第71-72页 |
| 附录B | 第72-73页 |
| 在校学习期间发表的论文 | 第73页 |
