基于知識(shí)的聚類(lèi)

第1章 聚類(lèi)和模糊聚類(lèi)
1.1 引言
1.2 基本概念和符號(hào)
1.2.1 數(shù)據(jù)類(lèi)型
1.2.2 距離和相似性
1.3 聚類(lèi)算法的主要類(lèi)別
1.3.1 層次聚類(lèi)
1.3.2 基于目標(biāo)函數(shù)的聚類(lèi)
1.4 聚類(lèi)和分類(lèi)
1.5 模糊聚類(lèi)
1.6 聚類(lèi)有效性
1.7 基于目標(biāo)函數(shù)的聚類(lèi)算法的擴(kuò)展
1.7.1 模糊類(lèi)的擴(kuò)展幾何性質(zhì)：模糊C變體
1.7.2 可能性聚類(lèi)
1.7.3 帶噪音的聚類(lèi)
1.8 自組織圖和基于模糊目標(biāo)函數(shù)的聚類(lèi)
1.9 總結(jié)
參考文獻(xiàn)

第2章 粒信息計(jì)算：模糊集與模糊關(guān)系
2.1 粒計(jì)算的范例：信息粒和信息粒的處理
2.2 模糊集——以人為中心的信息粒
2.3 模糊集的運(yùn)算
2.4 模糊關(guān)系
2.5 兩個(gè)模糊集的比較
2.6 模糊集的一般化.
2.7 陰影集
2.8 粗糙集.
2.9 粒計(jì)算與分布式處理
2.10 總結(jié)
參考文獻(xiàn)

第3章 面向邏輯的神經(jīng)計(jì)算
3.1 引言
3.2 模糊神經(jīng)元的主要類(lèi)別
3.2.1 聚合神經(jīng)元
3.2.2 參照神經(jīng)元
3.3 邏輯網(wǎng)絡(luò)的結(jié)構(gòu)
3.4 網(wǎng)絡(luò)的解釋性
3.5 邏輯處理的?；缑?br /> 3.6 總結(jié)
參考文獻(xiàn)

第4章 條件模糊聚類(lèi)
4.1 引言
4.2 問(wèn)題陳述：上下文模糊集和目標(biāo)函數(shù)
4.3 最優(yōu)化問(wèn)題
4.4 關(guān)于條件聚類(lèi)計(jì)算方面的思考
4.5 通過(guò)聚合算子將算法一般化
4.6 具有空間約束的模糊聚類(lèi)
4.7 總結(jié)
參考文獻(xiàn)

第5章 部分監(jiān)督聚類(lèi)
5.1 引言
5.2 問(wèn)題形式化
5.3 類(lèi)的設(shè)計(jì)
5.4 實(shí)驗(yàn)案例
5.5 基于類(lèi)的跟蹤問(wèn)題
5.6 總結(jié)
參考文獻(xiàn)

第6章 模糊聚類(lèi)中基于知識(shí)的指導(dǎo)原則
6.1 引言
6.2 面向知識(shí)提示的樣例及一般性分類(lèi)
6.3 知識(shí)強(qiáng)化聚類(lèi)的優(yōu)化環(huán)境
6.4 基于知識(shí)指導(dǎo)提示的量化及優(yōu)化
6.5 交互過(guò)程的組織
6.6 基于相似性的聚類(lèi)(P-FCM)
6.7 網(wǎng)頁(yè)挖掘和P-FCM
6.8 基于知識(shí)提示的語(yǔ)言強(qiáng)化
6.9 總結(jié)
參考文獻(xiàn)

第7章 協(xié)作聚類(lèi)
7.1 引言及基本概念
7.2 橫向聚類(lèi)和縱向聚類(lèi)
7.3 橫向協(xié)作聚類(lèi)
7.3.1 優(yōu)化細(xì)節(jié)
7.3.2 協(xié)作聚類(lèi)的計(jì)算流程
7.3.3 聚類(lèi)中合作現(xiàn)象的定量描述
7.4 實(shí)驗(yàn)研究
7.5 橫向聚類(lèi)的進(jìn)一步改善
7.6 縱向聚類(lèi)算法
7.7 橫向聚類(lèi)與縱向聚類(lèi)的網(wǎng)格模型
7.8 一致性聚類(lèi)
7.9 總結(jié)
參考文獻(xiàn)

第8章 方向聚類(lèi)
8.1 引言
8.2 問(wèn)題形式化
8.2.1 目標(biāo)函數(shù)
8.2.2 信息粒的邏輯變換
8.3 算法
8.4 方向聚類(lèi)的設(shè)計(jì)框架
8.5 數(shù)值研究
8.6 總結(jié)
參考文獻(xiàn)

第9章 模糊關(guān)聯(lián)聚類(lèi)
9.1 引言及問(wèn)題描述
9.2 用于關(guān)聯(lián)數(shù)據(jù)的FCM
9.3 模糊關(guān)聯(lián)模式的分解
9.3.1 分解問(wèn)題的梯度解
9.3.2 分解問(wèn)題的神經(jīng)網(wǎng)絡(luò)模型
9.4 比較分析
9.5 總結(jié)
參考文獻(xiàn)

第10章 各向異性數(shù)據(jù)模式的模糊聚類(lèi)
10.1 引言
10.2 各向異性的數(shù)據(jù)
10.3 粒數(shù)據(jù)的參數(shù)模型
10.4 各向異性模糊聚類(lèi)的參數(shù)模型
10.5 非參數(shù)的各向異性聚類(lèi)
10.5.1 參照框架..
10.5.2 通過(guò)可能性一必要性變換表示粒數(shù)據(jù)
10.5.3 解參
10.6 總結(jié)
參考文獻(xiàn)

第11章 粒數(shù)據(jù)的超盒模型：車(chē)貝雪夫FCM
11.1 引言
11.2 問(wèn)題形式化
11.3 聚類(lèi)算法——詳細(xì)的考慮
11.4 粒原型的設(shè)計(jì)
11.5 信息粒的幾何性質(zhì)
11.6 粒數(shù)據(jù)的描述：一個(gè)一般模型
11.7 總結(jié)
參考文獻(xiàn)

第12章 遺傳相容的模糊神經(jīng)網(wǎng)絡(luò)
12.1 引言
12.2 閾值運(yùn)算和相容運(yùn)算：基于模糊邏輯的一般化
12.3 邏輯網(wǎng)絡(luò)的拓?fù)?br /> 12.4 遺傳優(yōu)化
12.5 例證性的數(shù)值研究
第13章 粒原型
第14章 粒映射
第15章 語(yǔ)言建模
參考書(shū)目
索引