| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状及分析 | 第14-17页 |
| 1.2.1 模糊聚类算法的国内外研究现状 | 第14-15页 |
| 1.2.2 基于目标函数的加权聚类算法的国内外研究现状 | 第15-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 论文的组织结构 | 第18-19页 |
| 第2章 相关知识 | 第19-29页 |
| 2.1 模糊C均值及其核聚类 | 第19-21页 |
| 2.1.1 模糊C均值聚类 | 第19-20页 |
| 2.1.2 核模糊C均值聚类 | 第20-21页 |
| 2.2 相似性度量 | 第21-22页 |
| 2.3 核函数 | 第22-25页 |
| 2.3.1 核函数的定义及其性质 | 第22-23页 |
| 2.3.2 常用的核函数 | 第23页 |
| 2.3.3 核函数的作用 | 第23-25页 |
| 2.4 实验数据与实验方法 | 第25-29页 |
| 第3章 样本和特征加权的模糊聚类算法 | 第29-45页 |
| 3.1 引言 | 第29页 |
| 3.2 样本加权的模糊聚类 | 第29-32页 |
| 3.2.1 样本加权的模糊聚类对应的优化问题 | 第29-30页 |
| 3.2.2 样本加权模糊聚类的隶属度和簇中心的确定 | 第30-31页 |
| 3.2.3 样本加权的模糊聚类算法 | 第31-32页 |
| 3.3 特征加权的模糊聚类 | 第32-35页 |
| 3.3.1 特征加权的模糊聚类对应的优化问题 | 第32-33页 |
| 3.3.2 特征加权模糊聚类的隶属度和簇中心的确定 | 第33-34页 |
| 3.3.3 特征加权的模糊聚类算法 | 第34-35页 |
| 3.4 样本和特征加权的模糊聚类 | 第35-38页 |
| 3.5 放松隶属度约束的样本和特征加权的模糊聚类 | 第38-41页 |
| 3.6 实验结果与分析 | 第41-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第4章 样本和特征加权的核模糊聚类 | 第45-58页 |
| 4.1 样本和特征加权的核模糊聚类模型及其算法 | 第45-48页 |
| 4.1.1 样本和特征加权的核模糊聚类模型 | 第45页 |
| 4.1.2 样本和特征加权的核模糊聚类算法 | 第45-48页 |
| 4.2 放松隶属度约束的样本和特征加权的核模糊聚类模型和算法 | 第48-51页 |
| 4.2.1 放松隶属度约束的样本和特征加权的核模糊聚类模型 | 第48页 |
| 4.2.2 放松隶属度约束的样本和特征加权的核模糊聚类算法 | 第48-51页 |
| 4.3 实验结果与分析 | 第51-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第5章 模糊聚类的神经网络实现 | 第58-70页 |
| 5.1 引言 | 第58-59页 |
| 5.2 增广拉格朗日求解方法 | 第59-60页 |
| 5.3 簇中心和隶属度的确定 | 第60-66页 |
| 5.3.1 使用Hopfield神经网络求解簇中心 | 第60-61页 |
| 5.3.2 使用复突触神经网络求解隶属度 | 第61-65页 |
| 5.3.3 模糊聚类的神经网络算法 | 第65-66页 |
| 5.4 实验研究 | 第66-69页 |
| 5.4.1 评价聚类性能的指标 | 第66-67页 |
| 5.4.2 数据集及其实验结果 | 第67-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 本文总结 | 第70-71页 |
| 6.2 工作展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间取得的科研成果 | 第76页 |
