| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
第1章 聚类和模糊聚类
1.1 引言
1.2 基本概念和符号
1.2.1 数据类型
1.2.2 距离和相似性
1.3 聚类算法的主要类别
1.3.1 层次聚类
1.3.2 基于目标函数的聚类
1.4 聚类和分类
1.5 模糊聚类
1.6 聚类有效性
1.7 基于目标函数的聚类算法的扩展
1.7.1 模糊类的扩展几何性质：模糊C变体
1.7.2 可能性聚类
1.7.3 带噪音的聚类
1.8 自组织图和基于模糊目标函数的聚类
1.9 总结
参考文献
第2章 粒信息计算：模糊集与模糊关系
2.1 粒计算的范例：信息粒和信息粒的处理
2.2 模糊集——以人为中心的信息粒
2.3 模糊集的运算
2.4 模糊关系
2.5 两个模糊集的比较
2.6 模糊集的一般化.
2.7 阴影集
2.8 粗糙集.
2.9 粒计算与分布式处理
2.10 总结
参考文献
第3章 面向逻辑的神经计算
3.1 引言
3.2 模糊神经元的主要类别
3.2.1 聚合神经元
3.2.2 参照神经元
3.3 逻辑网络的结构
3.4 网络的解释性
3.5 逻辑处理的粒化界面
3.6 总结
参考文献
第4章 条件模糊聚类
4.1 引言
4.2 问题陈述：上下文模糊集和目标函数
4.3 最优化问题
4.4 关于条件聚类计算方面的思考
4.5 通过聚合算子将算法一般化
4.6 具有空间约束的模糊聚类
4.7 总结
参考文献
第5章 部分监督聚类
5.1 引言
5.2 问题形式化
5.3 类的设计
5.4 实验案例
5.5 基于类的跟踪问题
5.6 总结
参考文献
第6章 模糊聚类中基于知识的指导原则
6.1 引言
6.2 面向知识提示的样例及一般性分类
6.3 知识强化聚类的优化环境
6.4 基于知识指导提示的量化及优化
6.5 交互过程的组织
6.6 基于相似性的聚类(P-FCM)
6.7 网页挖掘和P-FCM
6.8 基于知识提示的语言强化
6.9 总结
参考文献
第7章 协作聚类
7.1 引言及基本概念
7.2 横向聚类和纵向聚类
7.3 横向协作聚类
7.3.1 优化细节
7.3.2 协作聚类的计算流程
7.3.3 聚类中合作现象的定量描述
7.4 实验研究
7.5 横向聚类的进一步改善
7.6 纵向聚类算法
7.7 横向聚类与纵向聚类的网格模型
7.8 一致性聚类
7.9 总结
参考文献
第8章 方向聚类
8.1 引言
8.2 问题形式化
8.2.1 目标函数
8.2.2 信息粒的逻辑变换
8.3 算法
8.4 方向聚类的设计框架
8.5 数值研究
8.6 总结
参考文献
第9章 模糊关联聚类
9.1 引言及问题描述
9.2 用于关联数据的FCM
9.3 模糊关联模式的分解
9.3.1 分解问题的梯度解
9.3.2 分解问题的神经网络模型
9.4 比较分析
9.5 总结
参考文献
第10章 各向异性数据模式的模糊聚类
10.1 引言
10.2 各向异性的数据
10.3 粒数据的参数模型
10.4 各向异性模糊聚类的参数模型
10.5 非参数的各向异性聚类
10.5.1 参照框架..
10.5.2 通过可能性一必要性变换表示粒数据
10.5.3 解参
10.6 总结
参考文献
第11章 粒数据的超盒模型：车贝雪夫FCM
11.1 引言
11.2 问题形式化
11.3 聚类算法——详细的考虑
11.4 粒原型的设计
11.5 信息粒的几何性质
11.6 粒数据的描述：一个一般模型
11.7 总结
参考文献
第12章 遗传相容的模糊神经网络
12.1 引言
12.2 阈值运算和相容运算：基于模糊逻辑的一般化
12.3 逻辑网络的拓扑
12.4 遗传优化
12.5 例证性的数值研究
第13章 粒原型
第14章 粒映射
第15章 语言建模
参考书目
索引
