文摘
英文文摘
东南大学学位论文独创性声明及使用授权声明
第一章绪论
1.1课题的背景与意义
1.2本文的主要内容及章节安排
第二章 有关分类器设计的基本理论
2.1模式识别和模式的概念
2.2模式识别的研究方法
2.3学习和适应
2.3.1有监督学习
2.3.2无监督学习
2.3.3强化学习(reinforcement learning)
2.4贝叶斯决策理论
2.4.1基于最小错误率的贝叶斯决策
2.4.2基于最小风险的贝叶斯决策
第三章 几种传统的分类方法
3.1多级分类器(树分类器)
3.1.1多级分类器(树分类器)的基本概念
3.1.2决策树设计的基本思路
3.1.3树分类器设计方法
3.2逐点处理的K-均值分类方法
3.3 K-近邻分类方法
3.4模糊分类方法
3.4.1隶属度函数
3.4.2模糊特征和模糊分类
3.4.3模糊程度的度量(模糊度)
3.5本章小结
第四章 基于模糊K-均值算法的模糊分类器设计
4.1模糊K-均值分类器
4.1.1 K-均值分类器(批处理的K-均值分类器)
4.1.2模糊K-均值分类器
4.2基于模糊K-均值算法的模糊分类器
4.2.1由模糊K-均值算法生成群
4.2.2模糊规则的提取
第五章 基于模糊K-均值算法的模糊分类器应用实例
5.1用Iris数据进行仿真测试
5.2用实际采集的数据进行仿真测试
5.3总结
结束语
致谢
参考资料
作者简介