| 摘要 | 第1-10页 |
| ABSTRACT | 第10-13页 |
| 第一章 绪论 | 第13-20页 |
| 1．1 研究的背景 | 第13-15页 |
| 1．2 研究的目的 | 第15-16页 |
| 1．3 相关的研究 | 第16-17页 |
| 1．4 研究的内容 | 第17-19页 |
| 1．5 论文的结构 | 第19-20页 |
| 第二章 模糊分类、核函数方法及支持向量机 | 第20-35页 |
| 2．1 模糊分类 | 第20-27页 |
| 2．1．1 模糊IF-THEN分类规则 | 第20-22页 |
| 2．1．2 隶属度函数 | 第22-23页 |
| 2．1．3 模糊划分 | 第23-25页 |
| 2．1．4 基于模糊划分的分类规则产生 | 第25-27页 |
| 2．2 核函数 | 第27-30页 |
| 2．3 支持向量机理论 | 第30-34页 |
| 2．3．1 线性情况 | 第30-33页 |
| 2．3．2 非线性情况 | 第33-34页 |
| 2．4 小结 | 第34-35页 |
| 第三章 基于模糊核超球感知器的模糊分类模型 | 第35-56页 |
| 3．1 核感知器及超球感知器 | 第35-39页 |
| 3．1．1 核感知器 | 第35-36页 |
| 3．1．2 超球感知器 | 第36-37页 |
| 3．1．3 核超球感知器 | 第37-39页 |
| 3．2 模糊核感知器 | 第39-41页 |
| 3．2．1 模糊感知器 | 第39-41页 |
| 3．2．2 模糊核感知器 | 第41页 |
| 3．3 基于模糊核超球感知器的模糊分类模型 | 第41-46页 |
| 3．3．1 模糊核超球感知器 | 第41-43页 |
| 3．3．2 基于模糊核超球感知器的模糊分类模型 | 第43-44页 |
| 3．3．3 FCMBFKP模型分类规则的生成 | 第44-46页 |
| 3．4 模糊IF-THEN规则的调整 | 第46-53页 |
| 3．4．1 调整策略分析 | 第46-48页 |
| 3．4．2 δ_m调整边界分析 | 第48-52页 |
| 3．4．3 规则调整算法 | 第52-53页 |
| 3．5 实验结果分析 | 第53-55页 |
| 3．5．1 核函数及参数对超球产生的影响实验 | 第53-55页 |
| 3．5．2 分类识别率比较实验 | 第55页 |
| 3．6 小结 | 第55-56页 |
| 第四章 基于进化式核聚类的模糊分类模型 | 第56-74页 |
| 4．1 核聚类方法 | 第56-57页 |
| 4．2 基于支持向量的聚类 | 第57-60页 |
| 4．3 基于进化式核聚类的模糊分类模型 | 第60-68页 |
| 4．3．1 FCMBEKC分类模型结构 | 第62-65页 |
| 4．3．2 进化式核聚类算法 | 第65-67页 |
| 4．3．3 模糊分类规则的创建及分类推理 | 第67页 |
| 4．3．4 进化式核聚类算法中簇半径阈值的讨论 | 第67-68页 |
| 4．4 基于遗传算法的模糊IF-THEN规则的调整 | 第68-71页 |
| 4．4．1 基因编码 | 第68-69页 |
| 4．4．2 适应度函数 | 第69-70页 |
| 4．4．3 增强信息的确定 | 第70页 |
| 4．4．4 遗传操作 | 第70-71页 |
| 4．5 实验结果分析 | 第71-73页 |
| 4．6 小结 | 第73-74页 |
| 第五章 基于支持向量机的模糊分类模型 | 第74-97页 |
| 5．1 模糊支持向量机的研究现状 | 第74-78页 |
| 5．1．1 第一种模糊支持向量机 | 第74-76页 |
| 5．1．2 第二种模糊支持向量 | 第76-78页 |
| 5．2 基于支持向量机的模糊分类模型 | 第78-86页 |
| 5．2．1 FCMBSVM的基本思想 | 第78-79页 |
| 5．2．2 FCMBSVM模型结构 | 第79-81页 |
| 5．2．3 隶属函数的选择 | 第81-82页 |
| 5．2．3 核函数证明 | 第82-84页 |
| 5．2．4 参数α_k和b的求解 | 第84-86页 |
| 5．2．5 模型几何特性 | 第86页 |
| 5．3 FCMBSVM模型参数分析 | 第86-90页 |
| 5．3．1 惩罚参数 C | 第86-88页 |
| 5．3．2 隶属函数参数 | 第88-90页 |
| 5．4 基于 FCMBSVM模型的多类分类 | 第90-93页 |
| 5．4．1 模糊IF-THEN规则表达式 | 第90-91页 |
| 5．4．2 参数α~m_k及b_m的求解 | 第91-93页 |
| 5．5 实验结果分析 | 第93-96页 |
| 5．5．1 双螺旋线实验 | 第93-94页 |
| 5．5．2 基于Image数据集实验 | 第94-95页 |
| 5．5．3 多类分类实验 | 第95-96页 |
| 5．6 小结 | 第96-97页 |
| 第六章 基于模糊积分的多分类器集成方法 | 第97-116页 |
| 6．1 多分类器集成 | 第97-102页 |
| 6．1．1 多分类器集成研究的产生和现状 | 第97-98页 |
| 6．1．2 分类器输出信息描述 | 第98页 |
| 6．1．3 多分类器集成类型 | 第98-100页 |
| 6．1．4 基于度量级信息的并联式集成方法 | 第100-102页 |
| 6．2 模糊测度及模糊积分理论 | 第102-104页 |
| 6．2．1 模糊测度和gλ模糊测度 | 第102-103页 |
| 6．2．2 模糊积分 | 第103-104页 |
| 6．3 基于模糊积分的分类器集成方法 | 第104-113页 |
| 6．3．1 关于个体分类器生成 | 第105-106页 |
| 6．3．2 分类器集的选择 | 第106-109页 |
| 6．3．3 基于隶属度矩阵的模糊积分密度的确定 | 第109-112页 |
| 6．3．4 多分类器集成方法 | 第112-113页 |
| 6．4 实验结果分析 | 第113-115页 |
| 6．5 小结 | 第115-116页 |
| 第七章 总结及将来进一步的工作 | 第116-119页 |
| 7．1 总结 | 第116-117页 |
| 7．2 将来进一步的工作 | 第117-119页 |
| 参考文献 | 第119-127页 |
| 攻读博士学位期间参与的科研项目及主要成果 | 第127-128页 |
| 致谢 | 第128-129页 |
| 论文独创性声明 | 第129页 |
| 论文使用授权声明 | 第129页 |