|
|
| ||||||||||||||||||||||
1.內(nèi)容簡介 本書主要研究模糊分類中的模糊聚類，模糊特征提取和模糊分類器以及它們在農(nóng)產(chǎn)品/食品的近紅外光譜信息處理中的應用。模糊聚類算法涉及模糊C均值聚類、聯(lián)合模糊C均值聚類、利用核方法和新的非歐氏距離改進一些模糊聚類、一種改進的可能模糊C均值聚類算法等。模糊特征提取涉及模糊線性判別分析、核模糊主成分分析、核模糊判別分析、模糊非相關判別分析等。模糊分類器涉及模糊K近鄰，核模糊K近鄰。用模糊聚類算法對蘋果近紅外光譜、生菜近紅外光譜、茶葉中紅外光譜進行分類。用模糊線性判別分析和模糊非相關判別分析提取近紅外光譜的鑒別信息。 2.目錄 1緒論(1) 1.1模糊分類概述(1) 1.2模糊分類的發(fā)展概況(2) 1.3模糊分類的基本理論簡介(4) 1.3.1模糊集合(4) 1.3.2基于目標函數(shù)的模糊聚類(5) 1.3.3模糊判別分析(7) 1.4本章小結(8) 參考文獻(8) 2模糊混合聚類模型(11) 2.1模糊聚類概述(11) 2.2聯(lián)合模糊C均值聚類模型(12) 2.2.1MPCM模型(12) 2.2.2AFCM模型(13) 2.2.3MPCM和AFCM的對比實驗(17) 2.3一種改進的可能模糊聚類算法(20) 2.3.1PCA算法及其存在的問題(20) 2.3.2改進的PCM與改進的PFCM(23) 2.3.3實驗結果(27) 2.4基于聚類中心分離的可能模糊聚類模型(31) 2.4.1基于聚類中心分離的模糊C均值聚類(FCM_CCS)(31) 2.4.2基于聚類中心分離的可能聚類(PCM_CCS)(32) 2.4.3基于聚類中心分離的可能模糊聚類(PFCM_CCS)(33) 2.4.4實驗結果(34) 2.5一種混合可能聚類算法(38) 2.5.1算法描述(38) 2.5.2實驗結果(39) 2.6聯(lián)合模糊熵聚類(40) 2.6.1算法描述(40) 2.6.2實驗結果(42) 2.7本章小結(43) 參考文獻(44) 3基于核的模糊聚類(46) 3.1核模糊聚類概述(46) 3.2基于核的修正可能C均值聚類(46) 3.2.1算法描述(46) 3.2.2實驗結果(48) 3.3基于核的廣義噪聲聚類算法(50) 3.3.1GNC算法(50) 3.3.2KGNC算法(51) 3.3.3實驗結果(53) 3.4基于核的可能模糊C均值聚類(55) 3.4.1算法描述(55) 3.4.2實驗結果(56) 3.5基于核的聚類中心分離的模糊C均值聚類(57) 3.5.1算法描述(57) 3.5.2實驗結果(58) 3.6基于核的類間分離聚類(58) 3.6.1算法描述(58) 3.6.2實驗結果(60) 3.7本章小結(60) 參考文獻(60) 4基于非歐氏距離的模糊聚類算法(63) 4.1引言(63) 4.2一種新的非歐氏距離(64) 4.3基于非歐氏距離可能模糊C均值聚類算法(65) 4.3.1可能模糊C均值聚類算法(65) 4.3.2APFCM算法(66) 4.3.3實驗結果(67) 4.4基于非歐氏距離可能聚類算法(69) 4.4.1IPCM算法(69) 4.4.2AIPCM算法(70) 4.4.3實驗結果(71) 4.5本章小結(73) 參考文獻(74) 5基于核的模糊鑒別信息提取及分類(75) 5.1引言(75) 5.2基于核的模糊判別分析(KFDA)(76) 5.2.1KFDA算法(76) 5.2.2實驗結果(78) 5.3模糊主元分析及其核模型(79) 5.3.1模糊主元分析(79) 5.3.2基于核的模糊主元分析(79) 5.3.3實驗結果(81) 5.4模糊非相關判別轉換(FUDT)及其核模型(82) 5.4.1非相關判別轉換(UDT)(82) 5.4.2模糊非相關判別轉換(FUDT)(84) 5.4.3基于核的模糊非相關判別分析(86) 5.4.4蘋果近紅外光譜的線性和非線性鑒別信息提取實驗(88) 5.5基于核的模糊K近鄰法(90) 5.5.1模糊K近鄰法(90) 5.5.2基于核的模糊K近鄰法(91) 5.5.3實驗結果(92) 5.6本章小結(94) 參考文獻(94) 6基于模糊協(xié)方差矩陣聚類的茶葉紅外光譜分類(97) 6.1一種混合GK聚類(98) 6.1.1算法描述(98) 6.1.2實驗結果(99) 6.2模糊協(xié)方差矩陣的可能模糊聚類(101) 6.2.1算法描述(102) 6.2.2實驗結果(103) 6.3本章小結(104) 參考文獻(105) 7蘋果近紅外光譜的模糊聚類分析(107) 7.1蘋果近紅外光譜檢測研究(107) 7.1.1國外研究進展(108) 7.1.2國內(nèi)研究進展(108) 7.2蘋果近紅外光譜模糊聚類(110) 7.2.1GK和GG模糊聚類(110) 7.2.2一種混合模糊類間分離聚類(111) 7.2.3實驗結果(114) 7.3一種快速聯(lián)合模糊C均值聚類(117) 7.3.1FAFCM聚類(117) 7.3.2實驗結果(118) 7.4本章小結(120) 參考文獻(121) 8茶葉傅里葉紅外光譜模糊聚類分析(125) 8.1模糊鑒別C均值聚類(125) 8.1.1算法描述(125) 8.1.2實驗結果(126) 8.2模糊鑒別學習矢量量化(129) 8.2.1算法描述(129) 8.2.2實驗結果(130) 8.3一種廣義噪聲聚類(131) 8.3.1算法描述(131) 8.3.2實驗結果(132) 8.4本章小結(134) 參考文獻(135) 9模糊K調(diào)和均值聚類的近/中紅外光譜分類(137) 9.1K調(diào)和均值聚類(137) 9.2廣義模糊K調(diào)和均值聚類的近紅外光譜生菜儲藏時間鑒別(138) 9.2.1算法描述(138) 9.2.2實驗結果(140) 9.3一種混合模糊K調(diào)和均值聚類(142) 9.3.1算法描述(144) 9.3.2實驗結果(144) 9.4本章小結(145) 參考文獻(146) 10模糊學習矢量量化模型(148) 10.1可能模糊學習矢量量化(148) 10.1.1算法描述(148) 10.1.2實驗結果(149) 10.2無監(jiān)督可能模糊學習矢量量化的近紅外光譜生菜品種鑒別(150) 10.2.1算法描述(151) 10.2.2實驗結果(152) 10.3一種基于優(yōu)化的模糊學習矢量量化的蘋果分類(155) 10.3.1算法描述(155) 10.3.2實驗結果(156) 10.4聯(lián)合模糊學習矢量量化(156) 10.4.1算法描述(156) 10.4.2實驗結果(157) 10.5本章小結(157) 參考文獻(158) |
精品新書
|
| ||||||
|
| ||||||
|
| ||||||
|
| ||||||
 |
 |
