書(shū)馨卡幫你省薪 2024個(gè)人購(gòu)書(shū)報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
模糊聚類(lèi)算法及應(yīng)用

模糊聚類(lèi)算法及應(yīng)用

作者：蔡靜穎
出版社：冶金工業(yè)出版社出版時(shí)間：2015-08-01
開(kāi)本： 32開(kāi) 頁(yè)數(shù)： 131
讀者評(píng)分：5分1條評(píng)論
中 圖 價(jià):¥21.6(8.0折) 定價(jià)  ¥27.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車(chē) 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類(lèi)五星書(shū)更多>

模糊聚類(lèi)算法及應(yīng)用 版權(quán)信息

  • ISBN：9787502470159
  • 條形碼：9787502470159 ; 978-7-5024-7015-9
  • 裝幀：一般膠版紙
  • 冊(cè)數(shù)：暫無(wú)
  • 重量：暫無(wú)
  • 所屬分類(lèi)：>

模糊聚類(lèi)算法及應(yīng)用 本書(shū)特色

蔡靜穎所著的《模糊聚類(lèi)算法及應(yīng)用》重點(diǎn)分析了FCM算法和馬氏距離的基本原理，從而利用馬氏距離的優(yōu)點(diǎn)來(lái)彌補(bǔ)FCM算法中存在的缺陷，并從兩個(gè)方面對(duì)FCM算法進(jìn)行了改進(jìn)。 本書(shū)還將FCM算法和KPCA方法結(jié)合，利用KPCA進(jìn)行特征提取，然后利用FCM算法進(jìn)行數(shù)據(jù)聚類(lèi)分析。將FCM算法應(yīng)用于軟件測(cè)試中是作者未來(lái)研究的重點(diǎn)，本書(shū)主要介紹了將FCM算法應(yīng)用于等價(jià)類(lèi)劃分方法中，每個(gè)應(yīng)用在本書(shū)中都做了詳盡介紹。

模糊聚類(lèi)算法及應(yīng)用 內(nèi)容簡(jiǎn)介

　　《模糊聚類(lèi)算法及應(yīng)用》主要針對(duì)模糊聚類(lèi)算法中*經(jīng)典的FCM算法進(jìn)行了系統(tǒng)分析，并對(duì)原始算法進(jìn)行了改進(jìn)，將經(jīng)典的FCM算法和改進(jìn)的FCM算法應(yīng)用于圖像識(shí)別、數(shù)據(jù)聚類(lèi)和軟件測(cè)試等不同領(lǐng)域。全書(shū)共分7章，第1章介紹了聚類(lèi)分析發(fā)展背景和基礎(chǔ)概念；第2章介紹了模糊理論基礎(chǔ)知識(shí)及模糊聚類(lèi)分析的方法和應(yīng)用；第3章介紹了模糊c一均值算法的理論知識(shí)和研究現(xiàn)狀以及目前存在的問(wèn)題；第4章介紹了馬氏距離的基本原理和處理方法；第5章介紹了馬氏距離在模糊聚類(lèi)中的應(yīng)用；第6章介紹了基于優(yōu)化KPCA特征提取的FCM算法；第7章介紹了FCM算法在軟件測(cè)試的等價(jià)類(lèi)劃分方法中的應(yīng)用。　　《模糊聚類(lèi)算法及應(yīng)用》可供從事模式識(shí)別教學(xué)研究的師生、科研人員參考，也可供從事數(shù)據(jù)挖掘、圖像識(shí)別、軟件測(cè)試等工作的相關(guān)人員學(xué)習(xí)。

模糊聚類(lèi)算法及應(yīng)用 目錄

1 緒論
1.1 聚類(lèi)分析的概述
1.2 聚類(lèi)分析的基礎(chǔ)概念
1.2.1 聚類(lèi)算法的主要類(lèi)型
1.2.2 聚類(lèi)分析的相似度和相異度
1.3 聚類(lèi)分析算法
1.3.1 聚類(lèi)算法性能的衡量指標(biāo)
1.3.2 基于劃分的聚類(lèi)算法
1.3.3 基于層次的聚類(lèi)算法
1.3.4 基于密度的聚類(lèi)算法
1.3.5 基于網(wǎng)格的聚類(lèi)算法
1.3.6 基于模型的聚類(lèi)算法
1.4 聚類(lèi)分析算法面臨的問(wèn)題
1.5 本章小結(jié)

2 模糊理論基礎(chǔ)
2.1 模糊集的定義和表示方法
2.1.1 模糊集的定義
2.1.2 模糊集的表示方法
2.2 模糊集的基本概念
2.2.1 模糊集合的基本運(yùn)算
2.2.2 模糊集的性質(zhì)
2.2.3 隸屬度函數(shù)
2.3 模糊聚類(lèi)分析
2.3.1 模糊聚類(lèi)分析步驟
2.3.2 *佳閾值A(chǔ)的確定
2.4 模糊聚類(lèi)分析應(yīng)用
2.5 本章小結(jié)

3 模糊c-均值算法及分析
3.1 硬c-均值算法
3.2 模糊c-均值算法
3.3 模糊c-均值聚類(lèi)算法的研究現(xiàn)狀
3.3.1 模糊聚類(lèi)目標(biāo)函數(shù)的演化
3.3.2 模糊聚類(lèi)算法實(shí)現(xiàn)途徑的研究
3.3.3 模糊聚類(lèi)有效性的研究
3.4 模糊c一均值算法存在的問(wèn)題
3.5 本章小結(jié)

4 馬氏距離基本原理和處理方法
4.1 馬氏距離方法基本原理
4.2 馬氏距離中奇異問(wèn)題的解決方法
4.3 馬氏距離的應(yīng)用
4.3.1 馬氏距離在模式識(shí)別中的應(yīng)用
4.3.2 馬氏距離在其他領(lǐng)域的應(yīng)用
4.4 本章小結(jié)

5 馬氏距離在模糊聚類(lèi)中的應(yīng)用
5.1 基于馬氏距離的FCM算法（F'CM—M）
5.1.1 新算法提出
5.1.2 實(shí)驗(yàn)結(jié)果及分析
5.2 基于馬氏距離特征加權(quán)的模糊距離新算法（MF—FCM）
5.2.1 馬氏距離特征加權(quán)新方法
5.2.2 實(shí)驗(yàn)結(jié)果及分析
5.3 基于馬氏距離的模糊c一均值增量學(xué)習(xí)算法
5.3.1 增量學(xué)習(xí)的研究背景和意義
5.3.2 基于馬氏距離的模糊c一均值增量學(xué)習(xí)算法概述
5.3.3 算法應(yīng)用舉例
5.4 馬氏距離在模糊聚類(lèi)中應(yīng)用存在的問(wèn)題
5.5 本章小結(jié)

6 基于優(yōu)化KPCA特征提取的FCM算法
6.1 核主元分析（KPCA）的原理
6.1.1 主元分析（PCA）簡(jiǎn)介
6.1.2 核主元分析（KPCA）原理
6.2 文化算法的原理
6.3 KPCA算法的優(yōu)化
6.4 基于優(yōu)化KPCA特征提取的FCM算法
6.4.1 算法概述
6.4.2 算法應(yīng)用舉例
6.5 本章小結(jié)

7 模糊聚類(lèi)算法在軟件測(cè)試中的應(yīng)用
7.1 軟件測(cè)試方法
7.1.1 測(cè)試分類(lèi)
7.1.2 本地化測(cè)試
7.1.3 白盒測(cè)試
7.1.4 黑盒測(cè)試
7.1.5 靜態(tài)測(cè)試和動(dòng)態(tài)測(cè)試
7.1.6 主動(dòng)測(cè)試和被動(dòng)測(cè)試
7.2 軟件缺陷與缺陷模式
7.2.1 軟件缺陷的類(lèi)別
7.2.2 軟件缺陷的分類(lèi)標(biāo)準(zhǔn)
7.2.3 軟件缺陷的構(gòu)成
7.2.4 軟件缺陷的嚴(yán)重性和優(yōu)先級(jí)
7.2.5 軟件缺陷的管理
7.3 基于模糊c-均值的等價(jià)類(lèi)劃分法
7.3.1 算法描述
7.3.2 算法的實(shí)驗(yàn)驗(yàn)證
7.4 本章小結(jié)

參考文獻(xiàn)
展開(kāi)全部
  • 主題：沒(méi)有實(shí)體的內(nèi)容

    不值得推薦的職稱(chēng)書(shū)

    2015/10/14 22:11:27
    讀者:wan***(購(gòu)買(mǎi)過(guò)本書(shū))
書(shū)友推薦
本類(lèi)暢銷(xiāo)
返回頂部
中圖網(wǎng)
在線客服