| 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 |