一种改进的动态SOM算法及其在聚类中的应用
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第一章 绪论 | 第10-22页 |
| ·研究背景和课题意义 | 第10-11页 |
| ·聚类的发展 | 第11-13页 |
| ·聚类的方法 | 第12-13页 |
| ·S OM 聚类算法的发展现状 | 第13-19页 |
| ·结构自适应自组织神经网络(SASONN) | 第13-14页 |
| ·自组织过程神经网络(SOPNN) | 第14页 |
| ·TS- SOM | 第14-15页 |
| ·树型动态自组织特征映射(TG -SOM ) | 第15-16页 |
| ·ET- SOM | 第16-17页 |
| ·GA-SOM | 第17页 |
| ·Growing SOM | 第17-18页 |
| ·GSOM | 第18-19页 |
| ·一些其它变体的算法 | 第19页 |
| ·研究意义与目标 | 第19-20页 |
| ·本文研究的主要内容 | 第20-22页 |
| ·聚类算法介绍及其聚类规则 | 第20页 |
| ·自组织神经网络(SOM)聚类 | 第20页 |
| ·改进的 SOM 算法 | 第20-21页 |
| ·基于改进的SOM 的分类算法与实现 | 第21-22页 |
| 第二章 聚类算法及其聚类距离规则 | 第22-35页 |
| ·聚类分析的基本概念及其方法 | 第22-26页 |
| ·聚类的定义 | 第22-23页 |
| ·对聚类分析算法的典型要求 | 第23-24页 |
| ·聚类分析算法 | 第24-26页 |
| ·统计聚类规则- 距离 | 第26-33页 |
| ·距离和相似系数 | 第26-28页 |
| ·聚类的距离规则 | 第28-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 自组织神经网络算法 | 第35-48页 |
| ·引言 | 第35页 |
| ·人脑的自组织性 | 第35-36页 |
| ·SOM 神经网络的结构 | 第36-41页 |
| ·SOM 神经网络的聚类原理 | 第41-42页 |
| ·SOM 神经网络的数学模型 | 第42-43页 |
| ·神经网络模型的学习过程 | 第43-45页 |
| ·竞争过程 | 第44页 |
| ·合作过程 | 第44-45页 |
| ·学习过程 | 第45页 |
| ·SOM 神经网络算法步骤 | 第45-47页 |
| ·SOM 算法流程图 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第四章 自组织神经网络算法改进 | 第48-64页 |
| ·传统网络特性 | 第48-49页 |
| ·传统 SOM 存在问题 | 第49-50页 |
| ·对SOM 算法的一些改进 | 第50-53页 |
| ·对于固定网络与神经元数目的改进 | 第50-51页 |
| ·基于领域神经元策略的改进 | 第51-52页 |
| ·SOM 算法和其他算法的组合 | 第52-53页 |
| ·一种基于方差分析思想( GSOM ) 算法 | 第53-56页 |
| ·对于固定网络与神经元数目的改进 | 第53页 |
| ·二维圆形拓扑结构网络 | 第53-54页 |
| ·方差分析思想 | 第54-55页 |
| ·基于方差分析思想的动态SOM 算法 | 第55-56页 |
| ·基于细胞检测结果的健康分类实验分析 | 第56-63页 |
| ·需求分析 | 第56页 |
| ·数据准备 | 第56-57页 |
| ·建立模型 | 第57页 |
| ·动态SOM 算法健康聚类的步骤 | 第57-59页 |
| ·实验结果及其分析 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69页 |
