图书介绍
模糊聚类分析及其应用PDF|Epub|txt|kindle电子书版本网盘下载
- 高新波著 著
- 出版社： 西安：西安电子科技大学出版社
- ISBN：7560613012
- 出版时间：2004
- 标注页数：214页
- 文件大小：27MB
- 文件页数：224页
- 主题词：模糊集理论
PDF下载
下载说明
模糊聚类分析及其应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1 模糊数学的产生和发展1
1.2 信息科学与模式识别2
1.3 模式识别与模糊聚类3
1.4 模糊聚类研究的意义4
1.5 模糊聚类的应用4
1.5.1 模糊聚类在模式识别中的应用5
1.5.2 模糊聚类在图像处理中的应用5
第2章 模糊理论基础6
2.1 普通集合6
2.1.1 集合的表示方法6
2.1.2 特殊集合7
2.1.3 集合的运算7
2.2 模糊集合9
2.2.1 模糊集合的表示方法10
2.2.2 特殊模糊集合10
2.2.3 模糊集合的运算及性质11
2.3 分解定理与扩展原理12
2.3.1 α截集12
2.3.2 分解定理13
2.3.3 扩展原理14
2.4 模糊数及其扩展运算15
2.4.1 凸模糊集15
2.4.2 模糊数15
2.5 模糊关系16
2.5.1 关系的基本知识17
2.5.2 模糊关系17
2.5.3 模糊关系的合成18
2.5.4 模糊关系的性质19
2.6 模糊语言与模糊逻辑20
2.6.1 语言变量20
2.6.2 模糊命题与蕴含式22
2.6.3 模糊推理23
2.7 模糊不确定性度量26
2.7.1 模糊集的模糊性度量26
2.7.2 模糊事件的概率28
第3章 可能性理论基础31
3.1 可能性分布的概念31
3.2 可能性测度33
3.3 可能性分布与模糊集34
3.4 多元可能性分布35
第4章 聚类分析37
4.1 聚类分析的概况37
4.1.1 聚类分析的基本概念37
4.1.2 聚类分析的数学模型38
4.1.3 聚类分析的分类39
4.2 谱系聚类方法39
4.3 基于等价关系的聚类方法42
4.4 图论聚类方法46
第5章 基于目标函数的模糊聚类分析49
5.1 数据集的c划分49
5.2 聚类目标函数50
5.3 模糊c均值聚类算法53
5.4 模糊c均值类型聚类算法的研究现状54
5.4.1 糊模聚类目标函数的演化54
5.4.2 模糊聚类算法实现途径的研究57
5.4.3 模糊聚类有效性的研究59
5.5 存在的问题及本书的研究内容60
第6章 模糊聚类神经网络62
6.1 自适应矢量量化聚类网络63
6.1.1 c均值聚类算法回顾63
6.1.2 AVQ聚类和c均值聚类的等效关系64
6.2 通用c均值类型聚类网络的设计66
6.2.1 网络结构模型66
6.2.2 模糊竞争学习算法66
6.2.3 实验结果与分析67
6.3 基于模糊逻辑神经元的聚类网络69
6.3.1 模糊逻辑聚类神经元网络的结构69
6.3.2 网络学习算法70
6.3.3 竞争学习算法中的死点问题72
6.3.4 实验结果与分析73
第7章 模糊聚类的遗传算法75
7.1 遗传算法的基本原理76
7.1.1 遗传算法的起源76
7.1.2 遗传算子77
7.1.3 标准的遗传算法78
7.1.4 遗传算子的改进和扩充79
7.1.5 操作参数的自适应选取80
7.1.6 替代方式的改进81
7.2 模糊聚类的遗传算法81
7.2.1 聚类问题的编码方式82
7.2.2 聚类问题适应度函数的构造83
7.2.3 遗传算子选取及参数范围83
7.3 模糊聚类遗传算法比较84
7.3.1 比较测试实验一84
7.3.2 比较测试实验二85
7.3.3 比较测试实验三87
7.4 进化策略及其在聚类中的应用88
7.4.1 进化策略的基本原理88
7.4.2 用进化策略求解聚类问题90
7.4.3 进化计算的并行实现91
第8章 聚类原型初始化方法92
8.1 原型初始化的可行性93
8.1.1 原型定义的统一形式和基于原型的聚类93
8.1.2 原型聚类问题初始化的重要性95
8.1.3 基于原型的聚类算法与FCM算法的关系96
8.1.4 原型初始化与算法收敛性的关系97
8.2 基于形态学和图像描述技术的初始化方法98
8.2.1 数学形态学的基本算子98
8.2.2 细化和连通分量标记99
8.2.3 聚类原型的初始化方法100
8.3 实验结果与分析101
8.4 原型初始化方法的几个潜在的用途104
8.4.1 均匀噪声背景下点簇的检测104
8.4.2 类间不均衡数据集的聚类分析105
8.4.3 常规雷达编队目标架次识别106
第9章 聚类有效性分析109
9.1 聚类有效性函数110
9.1.1 基于可能性分布的聚类有效性函数110
9.1.2 基于模糊相关度的聚类有效性函数112
9.1.3 基于子集测度的聚类有效性函数115
9.2 加权指数m对FCM算法的影响118
9.3 参数m的优选方法122
9.3.1 模糊决策理论122
9.3.2 基于模糊决策的参数m优选方法123
9.3.3 基于目标函数拐点的参数m优选方法125
9.3.4 基于最优参数m的类别数确定方法125
9.3.5 实验结果及分析126
第10章 聚类趋势分析129
10.1 FCM聚类算法存在的问题129
10.2 多维数据集聚类趋势检验的距离方法132
10.2.1 空间结构的假设132
10.2.2 空间抽样原理133
10.2.3 检验统计量134
10.2.4 存在的问题135
10.3 基于T平方抽样的单峰模式的统计检验136
10.3.1 半数框架制约下的T平方检验136
10.3.2 统计检验的两类错误及检验功效137
10.3.3 统计量TB对空间随机模式的检验大小138
10.3.4 统计量TB对单个和多个Gauss模式的检验功效139
10.4 基于Monte Carl0和统计检验的模糊聚类新方法141
10.4.1 基于k近邻T平方统计量Tk的单峰检验151
10.4.2 聚类有效性判定方法142
10.4.3 聚类分析的后处理142
10.5 实验结果与分析143
第11章 区间值数据聚类算法及其推广147
11.1 聚类分析的数据类型147
11.2 区间数和模糊数的性质和算子149
11.3 区间值数据的模糊c均值聚类新算法150
11.3.1 区间值数据的FCM算法一151
11.3.2 区间值数据的FCM算法二152
11.3.3 区间值数据的FCM算法三153
11.3.4 三种算法的相互关系154
11.4 区间值数据FCM新算法的两个扩展156
11.4.1 模糊数的FCM算法156
11.4.2 基于特征加权的FCM算法158
11.5 实验结果与分析160
第12章 模糊聚类分析的应用164
12.1 模糊聚类分析在图像分割中的应用164
12.1.1 多阈值图像自动分割方法164
12.1.2 光照不均匀图像分割算法171
12.1.3 纹理图像分割的模糊软聚类方法176
12.2 模糊聚类分析在模式识别中的应用181
12.2.1 基于模糊聚类的特征优选方法182
12.2.2 基于有监督聚类的特征空间划分方法185
12.2.3 实验结果与分析191
展望196
参考文献198