异步采样数据的模糊聚类算法
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究发展概况及现状 | 第9-11页 |
| ·发展概况 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·应用方向 | 第11页 |
| ·存在的问题及本文的研究内容 | 第11-12页 |
| ·本文的结构 | 第12-13页 |
| 2 聚类分析基本概念和方法 | 第13-23页 |
| ·聚类的定义 | 第13页 |
| ·聚类统计量 | 第13-17页 |
| ·性状变量 | 第13-14页 |
| ·数据转换 | 第14-15页 |
| ·相似性度量和距离 | 第15-17页 |
| ·主要的聚类方法 | 第17-22页 |
| ·聚类衡量的标准 | 第17-18页 |
| ·聚类分析的一般步骤 | 第18-19页 |
| ·聚类方法概述 | 第19-21页 |
| ·聚类算法的比较 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 模糊C均值聚类算法及其应用研究 | 第23-36页 |
| ·模糊聚类算法简介 | 第23页 |
| ·FCM算法的研究 | 第23-28页 |
| ·数据集的c划分 | 第23-24页 |
| ·聚类目标函数 | 第24-27页 |
| ·模糊c均值聚类算法描述 | 第27-28页 |
| ·对FCM聚类算法的一些讨论 | 第28-32页 |
| ·FCM算法的优缺点 | 第28-30页 |
| ·对加权指数m的研究 | 第30页 |
| ·FCM算法的初始化问题 | 第30-31页 |
| ·优化目标函数的几种方法 | 第31-32页 |
| ·模糊聚类的有效性指标 | 第32-35页 |
| ·有效性简介 | 第32-33页 |
| ·常用的有效性指标 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 4 异步采样数据的聚类 | 第36-57页 |
| ·异步采样数据聚类基础 | 第36-44页 |
| ·基础知识 | 第36-38页 |
| ·传统的解决办法 | 第38-44页 |
| ·模糊距离范式 | 第44-49页 |
| ·近旁 | 第44-46页 |
| ·单采样点到观测对象的模糊距离范式 | 第46页 |
| ·观测对象间的模糊距离范式 | 第46-49页 |
| ·基于模糊距离范式的模糊c均值聚类 | 第49-51页 |
| ·模糊c均值函数 | 第49页 |
| ·改进的模糊C均值算法 | 第49-50页 |
| ·F2CM算法 | 第50-51页 |
| ·实验 | 第51-56页 |
| ·F2CM算法应用于表4.2所示的数据集合 | 第51-52页 |
| ·另一个例子: ACTG320测试 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间的研究成果 | 第62页 |
