基于附加敏感参数SOM神经网络的自动聚类系统的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题研究背景与选题意义 | 第11-13页 |
| ·研究现状 | 第13-16页 |
| ·动态流量软测量的研究现状 | 第13-14页 |
| ·SOM 神经网络聚类的研究现状 | 第14-16页 |
| ·研究内容和预期目标 | 第16页 |
| ·文章结构 | 第16-18页 |
| 第2章 附加敏感参数的SOM 算法的研究 | 第18-33页 |
| ·影响收敛速度的因素 | 第18-19页 |
| ·附加敏感参数的SOM 算法的提出 | 第19-27页 |
| ·SOM 算法的推导 | 第19-23页 |
| ·经典SOM 改进算法的比较 | 第23-24页 |
| ·附加敏感参数的SOM 算法的提出 | 第24-27页 |
| ·附加敏感参数的SOM 算法的仿真研究 | 第27-32页 |
| ·样本数据的获取 | 第27-28页 |
| ·样本数据的测试 | 第28-31页 |
| ·智能检测结果及评价 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 小波阈值去噪方法优化自动聚类算法的研究 | 第33-54页 |
| ·聚类算法的评价 | 第33-34页 |
| ·影响自动聚类质量的因素 | 第34-35页 |
| ·数据噪声的干扰 | 第34-35页 |
| ·淹没停止参数的设置 | 第35页 |
| ·小波阈值去噪算法的改进 | 第35-45页 |
| ·小波阈值去噪原理分析 | 第35-38页 |
| ·几种阈值函数改进方法的比较 | 第38-40页 |
| ·新的阈值函数的构造 | 第40-43页 |
| ·改进的小波阈值方法提高自动聚类质量的证明 | 第43-45页 |
| ·淹没停止参数的改善 | 第45-46页 |
| ·仿真结果及实验分析 | 第46-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 系统设计与算法验证 | 第54-72页 |
| ·实验方案的设计 | 第54-56页 |
| ·仿真语言的选择 | 第54-55页 |
| ·实验数据的获取 | 第55-56页 |
| ·自动聚类系统的设计 | 第56-61页 |
| ·输入数据载入模块的设计 | 第57-58页 |
| ·SOM 神经网络训练模块的设计 | 第58-59页 |
| ·数据噪声剔除模块的设计 | 第59-60页 |
| ·自动聚类模块的设计 | 第60-61页 |
| ·仿真实验及结果分析 | 第61-70页 |
| ·本章小结 | 第70-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 作者简介 | 第81页 |
