动态聚类法研究
| 第一章 绪论 | 第1-11页 |
| ·引言 | 第7页 |
| ·动态聚类法存在的问题 | 第7-8页 |
| ·最近邻聚类算法的主要思想及存在的问题 | 第8页 |
| ·ART神经网络的产生、发展及存在的问题 | 第8-9页 |
| ·内容安排 | 第9-10页 |
| ·本章小结 | 第10-11页 |
| 第二章 聚类分析 | 第11-32页 |
| ·数据预处理 | 第11-13页 |
| ·中心化 | 第12页 |
| ·标准化 | 第12-13页 |
| ·归一化 | 第13页 |
| ·聚类统计量 | 第13-19页 |
| ·距离 | 第14-15页 |
| ·相似系数 | 第15-18页 |
| ·关联系数 | 第18-19页 |
| ·类 | 第19-22页 |
| ·类的定义 | 第19-20页 |
| ·类的特征 | 第20-21页 |
| ·类间距离 | 第21-22页 |
| ·常用聚类方法 | 第22-27页 |
| ·系统聚类法 | 第22-25页 |
| ·动态聚类法 | 第25-27页 |
| ·最近邻聚类法 | 第27页 |
| ·神经网络聚类法 | 第27页 |
| ·聚类结果分析 | 第27-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 ART2神经网络的结构和原理 | 第32-43页 |
| ·ART神经网络的结构和原理 | 第32-34页 |
| ·ART神经网络的基本结构 | 第32-34页 |
| ·ART网络的基本原理 | 第34页 |
| ·ART2神经网络的结构和原理 | 第34-42页 |
| ·ART2神经网络的结构 | 第34-40页 |
| ·ART2神经网络的工作原理 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于静态样本的动态聚类算法 | 第43-49页 |
| ·初始半径R_0的确定方法 | 第43-44页 |
| ·最近邻聚类算法的有效性函数 | 第44-45页 |
| ·J(R)和D(R)的计算方法 | 第44-45页 |
| ·具体步骤 | 第45页 |
| ·基于启发式规则的新的最近邻聚类算法 | 第45-47页 |
| ·启发式规则 | 第45-46页 |
| ·具体算法 | 第46-47页 |
| ·实例分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于动态样本的聚类算法 | 第49-57页 |
| ·传统ART2算法存在的不足 | 第49-52页 |
| ·权值的初始化方法和参数d的选择不尽合理 | 第49-50页 |
| ·存在模式漂移现象 | 第50-51页 |
| ·在处理数据过程中丢失了幅度信息 | 第51-52页 |
| ·ART2网络学习算法的改进 | 第52-54页 |
| ·权值的初始化方法 | 第52页 |
| ·权值的修正方法 | 第52-54页 |
| ·比较输入样本与聚类中心的幅度值 | 第54页 |
| ·具体算法 | 第54页 |
| ·实例分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 结束语 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 作者攻读硕士学位期间公开发表的有关论文 | 第62-63页 |
| 致谢 | 第63页 |
