模糊积分在多元分析中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 引言 | 第9-15页 |
| ·研究背景 | 第9-11页 |
| ·国内外的发展现状 | 第11-14页 |
| ·论文结构 | 第14-15页 |
| 第2章 预备知识 | 第15-21页 |
| ·模糊测度 | 第15-17页 |
| ·模糊积分 | 第17-19页 |
| ·分类器的融合 | 第19-21页 |
| 第3章 模糊积分应用的基本领域 | 第21-31页 |
| ·模糊积分在综合评判中的应用 | 第21-26页 |
| ·最大隶属原则的有效性问题 | 第21-22页 |
| ·模糊综合评判 | 第22-24页 |
| ·Sugeno模糊积分在评判中的具体应用 | 第24-25页 |
| ·Choquet模糊积分方法在评判中的应用 | 第25页 |
| ·具体事例 | 第25-26页 |
| ·模糊积分在聚类分析中的应用 | 第26-31页 |
| ·模糊C-均值算法 | 第26-27页 |
| ·改进的模糊C-均值算法 | 第27-28页 |
| ·解决最佳分类数问题 | 第28-30页 |
| ·小结模糊聚类 | 第30-31页 |
| 第4章 模糊积分应用的新领域 | 第31-45页 |
| ·模糊积分在支持向量机系统中的应用 | 第31-34页 |
| ·支持向量机(SVM)简介 | 第31-32页 |
| ·基于模糊积分的SVM算法 | 第32-33页 |
| ·具体实验结果 | 第33-34页 |
| ·模糊积分在遗传算法中的应用 | 第34-40页 |
| ·遗传算法简介 | 第34-36页 |
| ·用遗传算法确定模糊密度 | 第36-37页 |
| ·基于混淆矩阵的一种融合算法 | 第37-38页 |
| ·模拟实验 | 第38-40页 |
| ·模糊积分在BP神经网络中的应用 | 第40-45页 |
| ·BP神经网络算法原理 | 第40-41页 |
| ·模糊积分融合BP神经网络 | 第41-42页 |
| ·分类器之间的交互作用 | 第42-43页 |
| ·融合的具体试验 | 第43-45页 |
| 第5章 结论与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 攻读学位期间发表的论文 | 第50页 |
