首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

信息反馈RBF网络估值的不完整数据模糊聚类算法研究

摘要第4-5页
abstract第5-6页
第1章 绪论第12-19页
    1.1 研究背景和意义第12-13页
    1.2 不完整数据模糊聚类的国内外研究现状第13-16页
    1.3 本文主要研究内容和工作第16-17页
    1.4 本文结构安排第17-19页
第2章 不完整数据模糊聚类基本理论第19-28页
    2.1 RBF神经网络第19-24页
        2.1.1 RBF神经网络模型第19-22页
        2.1.2 RBF神经网络算法基本流程第22-24页
        2.1.3 RBF神经网络性能分析第24页
    2.2 模糊C均值(FCM)聚类算法第24-27页
        2.2.1 FCM算法思想第25-26页
        2.2.2 FCM算法基本流程第26-27页
        2.2.3 FCM算法优缺点第27页
    2.3 本章小结第27-28页
第3章 IFRBF数值型估值的不完整数据模糊聚类算法第28-41页
    3.1 不完整数据模糊聚类问题分析第28-29页
    3.2 信息反馈RBF网络第29-32页
        3.2.1 卡尔曼滤波思想第29页
        3.2.2 信息反馈RBF网络模型的建立第29-32页
    3.3 选取训练样本第32-35页
        3.3.1 最近邻规则第33页
        3.3.2 训练样本的选择第33-35页
    3.4 不完整数据的IFRBF网络训练第35-37页
    3.5 不完整数据缺失属性的预测估值第37-38页
    3.6 IFRBF-FCM算法基本流程第38-40页
    3.7 本章小结第40-41页
第4章 IFRBF区间型估值的不完整数据模糊聚类算法第41-52页
    4.1 区间型数据集第41-43页
        4.1.1 区间型数据第41-42页
        4.1.2 不完整数据区间型估值规则的提出第42-43页
    4.2 不完整数据集的区间型转化第43-44页
        4.2.1 缺失属性估值区间的确定第43页
        4.2.2 不完整数据集区间化第43-44页
    4.3 区间型模糊C均值(IFCM)聚类算法第44-47页
        4.3.1 IFCM算法思想第44-46页
        4.3.2 IFCM算法基本流程第46-47页
    4.4 IFRBF-IFCM算法第47-51页
        4.4.1 IFRBF-IFCM模型的建立第48页
        4.4.2 IFRBF-IFCM算法流程第48-51页
    4.5 本章小结第51-52页
第5章 实验结果及分析第52-69页
    5.1 实验准备第52-57页
        5.1.1 UCI数据集信息第52-53页
        5.1.2 人工数据集信息第53-55页
        5.1.3 不完整数据生成规则第55-56页
        5.1.4 实验参数设置第56页
        5.1.5 算法的评价指标第56-57页
    5.2 实验结果及分析第57-68页
        5.2.1 IFRBF-FCM的实验对比分析第57-63页
        5.2.2 IFRBF-IFCM的实验对比分析第63-68页
    5.3 本章小结第68-69页
第6章 总结与展望第69-72页
    6.1 总结第69-70页
    6.2 展望第70-72页
致谢第72-73页
参考文献第73-77页
攻读学位期间发表的学术论文及参加科研情况第77-78页

论文共78页,点击 下载论文
上一篇:视频中动作预测方法的研究
下一篇:基于浓雾天气形势图的智能判别模型