首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于神经网络模糊聚类的研究

第1章 引言第1-20页
 1.1 聚类分析的概念、任务和意义第9-10页
 1.2 聚类分析的作用和算法分类第10-11页
 1.3 聚类分析的基本知识第11-18页
  1.3.1 聚类算法的一般步骤第11-12页
  1.3.2 聚类的定义第12-13页
  1.3.3 样品与指标第13-14页
  1.3.4 对数据规格化计算方法的分析第14-15页
  1.3.5 样品间“相似性”度量——距离的计算方法第15-16页
  1.3.6 对相似程度r_(ij)计算方法的分析第16-18页
 1.4 论文研究的主要内容和目标第18-20页
  1.4.1 论文研究的主要内容和目标第18-19页
  1.4.2 本文的组织第19-20页
第2章 模糊理论与模糊聚类第20-33页
 2.1 模糊数学概述第20-21页
 2.2 模糊集合第21-24页
  2.2.1 模糊集合的定义第21页
  2.2.2 模糊集合的表示方法第21-22页
  2.2.3 特殊模糊集合第22-24页
 2.3 模糊集的基本定理第24-28页
  2.3.1 λ截集第24-26页
  2.3.2 分解定理第26-27页
  2.3.3 扩展原理第27-28页
 2.4 模糊关系第28-30页
 2.5 模糊聚类第30-32页
  2.5.1 模糊聚类的一般模型第30-31页
  2.5.2 模糊聚类的研究现状第31-32页
 2.6 本章小结第32-33页
第3章 模糊C均值聚类算法第33-47页
 3.1 基于目标函数的模糊聚类分析第33-38页
  3.1.1 数据集的C划分第33-34页
  3.1.2 聚类目标函数第34-38页
 3.2 硬聚类C均值算法第38-39页
 3.3 C-均值聚类算法第39页
 3.4 ISODATA算法第39-41页
 3.5 模糊聚类C均值算法第41-46页
  3.5.1 模糊聚类c均值算法第41-43页
  3.5.2 对相似性准则D的研究第43-44页
  3.5.3 对各种数据集X的研究第44页
  3.5.4 对聚类原型的研究第44-45页
  3.5.5 模糊c-均值的不足与改进第45-46页
 3.6 本章小结第46-47页
第4章神 经网络模糊聚类第47-64页
 4.1 人工神经网络基础第47-48页
  4.1.1 人工神经网络的发展第47-48页
  4.1.2 人工神经网络的拓扑特性第48页
 4.2 BP网络与算法第48-52页
  4.2.1 BP网络算法第49-51页
  4.2.2 BP算法的若干改进第51-52页
  4.2.3 BP算法的总结第52页
 4.3 基于模糊逻辑神经元的聚类网络第52-59页
  4.3.1 模糊逻辑聚类神经元网络结构第52-53页
  4.3.2 网络学习算法第53-55页
  4.4.3 基于模糊逻辑神经元聚类网络算法试验第55-58页
  4.3.4 算法中的死点问题第58-59页
 4.5 模拟退火算法第59-63页
  4.5.1 模拟退火算法第60-61页
  4.5.2 算法分析研究第61-62页
  4.5.3 Cauchy训练的引入第62-63页
  4.5.4 模拟退火算法试验第63页
 4.6 本章小结第63-64页
第5章 基于改进神经网络的FCM算法第64-74页
 5.1 模糊逻辑神经元算法和模拟退火算法的混合聚类算法第64-65页
 5.2 试验1 混合算法性能比较第65-69页
 5.3 基于神经元网络的FCM算法第69-70页
 5.4 试验2 基于神经网络的FCM算法研究第70-73页
 5.5 本章小结第73-74页
第6章 总结和对未来的展望第74-76页
 6.1 本文的工作总结第74-75页
 6.2 研究展望第75-76页
参考文献第76-80页
攻读硕士学位期间的科研工作第80-81页
致谢第81页

论文共81页,点击 下载论文
上一篇:冀东地秧歌的传承与发展对策研究
下一篇:试论冼星海复调创作的民族性