声明
第1章 绪 论
1.1聚类分析方法研究的背景及意义
1.1.1 分类
1.1.2 聚类的应用
1.2 模糊聚类算法国内外研究现状
1.2.1 FCM算法研究现状
1.2.2 序列均值模糊聚类算法研究现状
1.2.3 模糊直觉算法研究现状
1.2.4 模糊聚类算法在图像分割中的应用
1.2.5 模糊聚类算法的国内外重视程度
1.3 本文的主要研究内容
第2章 模糊聚类分析理论及其目标函数
2.1 模糊空间基础知识及其数值模式识别
2.1.1 模糊空间基础知识
2.1.2 模糊聚类空间划分及数学集合表示
2.1.3 模糊空间分类器
2.1.4 数值模式识别运行过程
2.1.5 模糊聚类算法分析的步骤
2.2数据聚类算法及其目标函数研究
2.2.1 聚类分析
2.2.2 C-均值聚类及其迭代算法
2.2.3 FCM算法
2.2.4 C-均值模型算法
2.2.5 各类算法目标函数研究
2.2.6 HCM、FCM和PCM算法研究
2.3 HCM、FCM和PCM算法实验结果
2.4 本章小结
第3章 偏差校正模糊加权C-有序均值聚类算法研究
3.1 引言
3.1.1 空间信息的模糊均值聚类研究
3.1.2 提出BFWCOM算法动机
3.1.3 本章的组织结构
3.2 相关工作
3.2.1 模糊聚类算法中的局部空间信息
3.2.2 模糊均值权重C-序列均值算法
3.3 融入空间信息和模糊权重的新算法BFWCOM
3.3.1 BFWCOM算法设计准则函数
3.3.2 BFWCOM算法隶属度和中心
3.3.3 聚类算法原型更新
3.3.4 偏置场
3.4 BFWCOM算法及其复杂度计算和收敛性
3.4.1 BFWCOM算法和复杂度
3.4.2 BFWCOM算法局部收敛性
3.5 BFWCOM算法实验
3.5.1 IRIS数据进行分类实验
3.5.2 合成图像实验
3.5.3 脑部MR图像和Lena图像实验
3.6本章小结
第4章 核偏差校正模糊加权C-有序均值聚类算法研究
4.1 引言
4.1.1 引入核方法模糊聚类
4.1.2 本章的组织结构
4.2 相关工作
4.2.1 BFWCOM算法准则函数设计
4.2.2 聚类原型及偏置场更新
4.2.3 数据典型性计算
4.3 有关核函数理论及引入动机
4.3.1 核函数的定义
4.3.2 核函数的基本原理
4.3.3 高斯径向基函数聚类算法
4.3.4 引入核函数的动机
4.4 核诱导偏差校正模糊加权C-阶均值聚类算法
4.4.1 基于核诱导距离的FCM算法
4.4.2 基于核诱导距离的空间约束KBFWCM算法
4.5 KBFWCM算法实验
4.5.1 IRIS数据聚类实验
4.5.2 合成图像实验
4.5.3 脑部MR图像和Lena头像实验
4.6 本章小结
第5章 基于直觉模糊集的加权C-有序均值聚类算法研究
5.1 引言
5.1.1 引入直觉模糊集合简介
5.1.2 IFTWCOM算法动机
5.1.3 本章的组织结构
5.2 模糊集合聚类算法相关工作
5.2.1 BFWCOM算法准则函数设计
5.2.2 数据典型性计算
5.3 直觉模糊集相关工作
5.3.1 IFS定义
5.3.2 区间值直觉模糊集距离定义
5.3.3 直觉模糊C-均值聚类算法
5.4 直觉模糊典型性加权C-有序均值聚类算法
5.4.1 IFTWCOM算法目标函数
5.4.2 IFTWCOM算法及其复杂度
5.4.3 IFTWCOM时空复杂性分析
5.5 IFTWCOM算法实验
5.5.1 IRIS数据聚类实验
5.5.2 合成图像实验
5.5.3 脑部MR图像和海星图像实验
5.6 本章小结
结论
参考文献
攻读博士学位期间承担的科研任务与主要成果
致谢
燕山大学;
