| 摘要 | 第1-6页 |
| Abstract | 第6-15页 |
| 第1章 绪论 | 第15-32页 |
| ·课题研究的背景 | 第15-17页 |
| ·课题研究的目的和意义 | 第17-18页 |
| ·国内外在该方向的研究现状及分析 | 第18-29页 |
| ·特征选取算法和特征权重学习算法 | 第18-21页 |
| ·多分类器融合算法 | 第21-25页 |
| ·模糊 C 均值算法 | 第25-27页 |
| ·最近邻分类器 | 第27-29页 |
| ·本文的研究内容及主要创新点 | 第29-31页 |
| ·本文的内容安排 | 第31-32页 |
| 第2章 基于函数CFuzziness学习特征权重的模糊 C 均值算法 | 第32-52页 |
| ·引言 | 第32-33页 |
| ·模糊 C 均值算法及其有效性函数 | 第33-36页 |
| ·模糊 C 均值算法存在问题及其解决方法 | 第36-38页 |
| ·基于函数CFuzziness学习特征权重的模糊 C 均值算法 | 第38-41页 |
| ·特征权重评价函数CFuzziness | 第38-40页 |
| ·基于函数CFuzziness的特征权重学习算法 | 第40-41页 |
| ·加权模糊C 均值算法 | 第41页 |
| ·特征权重评价函数的评价 | 第41-42页 |
| ·实验 | 第42-50页 |
| ·Bupa liver disorders 数据库聚类结果 | 第43-44页 |
| ·Iris 数据库聚类结果 | 第44-46页 |
| ·特征权重评价函数的比较 | 第46-48页 |
| ·UCI 中数据库聚类结果 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第3章 基于遗传算法划分特征子集的模糊最近邻融合算法 | 第52-75页 |
| ·引言 | 第52-53页 |
| ·最近邻分类器的维数灾 | 第53-56页 |
| ·多分类器融合算法 | 第56-59页 |
| ·多分类器融合算法 | 第56-57页 |
| ·多分类器融合算法的性能分析 | 第57-59页 |
| ·基于遗传算法的特征子集划分算法 | 第59-61页 |
| ·模糊最近邻分类器 | 第61-62页 |
| ·模糊测度和模糊积分 | 第62-66页 |
| ·基于遗传算法划分特征子集的模糊最近邻融合算法 | 第66-67页 |
| ·UCI 数据库实验 | 第67-74页 |
| ·UCI 中的数据库 | 第67-68页 |
| ·分类算法和参数 | 第68-69页 |
| ·评价函数 | 第69-70页 |
| ·实验结果 | 第70-74页 |
| ·本章小结 | 第74-75页 |
| 第4章 基于互信息划分特征子集的模糊最近邻融合算法 | 第75-91页 |
| ·引言 | 第75-76页 |
| ·互信息及其计算方法 | 第76-78页 |
| ·基于互信息的特征子集划分算法 | 第78-80页 |
| ·基于互信息划分特征子集的模糊最近邻融合算法 | 第80-81页 |
| ·UCI 数据库实验 | 第81-90页 |
| ·UCI 中的数据库 | 第81-82页 |
| ·分类算法和参数 | 第82-83页 |
| ·实验结果 | 第83-90页 |
| ·本章小结 | 第90-91页 |
| 第5章 图像识别实验系统 | 第91-121页 |
| ·引言 | 第91-92页 |
| ·特征提取 | 第92-97页 |
| ·颜色直方图 | 第92-94页 |
| ·颜色一致向量 | 第94-95页 |
| ·金字塔结构的小波变换 | 第95-96页 |
| ·Hu 矩 | 第96-97页 |
| ·加权模糊 C 均值算法图像聚类 | 第97-106页 |
| ·图像分类 | 第106-119页 |
| ·基于遗传算法划分特征子集的模糊最近邻融合算法 | 第107-113页 |
| ·基于互信息划分特征子集的模糊最近邻融合算法 | 第113-118页 |
| ·两种特征子集划分算法的比较 | 第118-119页 |
| ·本章小结 | 第119-121页 |
| 结论 | 第121-123页 |
| 参考文献 | 第123-135页 |
| 攻读博士学位期间所发表的论文 | 第135-137页 |
| 致谢 | 第137-138页 |
| 个人简历 | 第138页 |
