FCM聚类及其增量算法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究的背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·本文所做的工作 | 第14页 |
| ·本文的内容组织 | 第14-16页 |
| 第二章 聚类 | 第16-25页 |
| ·聚类概述 | 第16页 |
| ·聚类的相似度度量方法 | 第16-18页 |
| ·聚类分析中的数据结构 | 第16-17页 |
| ·聚类分析中的数据类型 | 第17-18页 |
| ·相异度计算方法 | 第18页 |
| ·聚类算法的评价标准 | 第18-20页 |
| ·主要的聚类算法 | 第20-24页 |
| ·基于划分的方法 | 第20-22页 |
| ·基于层次的方法 | 第22页 |
| ·基于密度的方法 | 第22-23页 |
| ·基于网格的方法 | 第23页 |
| ·基于模型的方法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于模糊C-均值聚类的增量算法 | 第25-36页 |
| ·增量聚类算法概述 | 第25-27页 |
| ·模糊C-均值聚类算法 | 第27-31页 |
| ·HCM 算法和FCM 算法 | 第27-29页 |
| ·FCM 算法的不足之处 | 第29-31页 |
| ·基于模糊C-均值聚类的增量算法 | 第31-34页 |
| ·改进的聚类算法 | 第31-32页 |
| ·增量聚类算法 | 第32-34页 |
| ·仿真实验 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于改进的半监督 FCM 聚类算法 | 第36-49页 |
| ·半监督聚类概述 | 第36-39页 |
| ·半监督学习 | 第36-37页 |
| ·半监督聚类相关知识 | 第37-39页 |
| ·蚁群算法 | 第39-43页 |
| ·蚁群算法概述 | 第39-41页 |
| ·蚁群算法相关定义 | 第41-42页 |
| ·基于蚁群算法的FCM 聚类算法 | 第42-43页 |
| ·半监督FCM 聚类算法 | 第43-45页 |
| ·基于改进的半监督FCM 聚类算法 | 第45-46页 |
| ·聚类评价方法 | 第46-47页 |
| ·仿真实验 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 结论与展望 | 第49-50页 |
| ·结论 | 第49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 附录 （攻读硕士学位期间发表录用目录） | 第55-56页 |
| 摘要 | 第56-59页 |
| ABSTRACT | 第59-62页 |
