|
|
| ||||||||||||||||||||||
1.内容简介 本书主要研究模糊分类中的模糊聚类，模糊特征提取和模糊分类器以及它们在农产品/食品的近红外光谱信息处理中的应用。模糊聚类算法涉及模糊C均值聚类、联合模糊C均值聚类、利用核方法和新的非欧氏距离改进一些模糊聚类、一种改进的可能模糊C均值聚类算法等。模糊特征提取涉及模糊线性判别分析、核模糊主成分分析、核模糊判别分析、模糊非相关判别分析等。模糊分类器涉及模糊K近邻，核模糊K近邻。用模糊聚类算法对苹果近红外光谱、生菜近红外光谱、茶叶中红外光谱进行分类。用模糊线性判别分析和模糊非相关判别分析提取近红外光谱的鉴别信息。 2.目录 1绪论(1) 1.1模糊分类概述(1) 1.2模糊分类的发展概况(2) 1.3模糊分类的基本理论简介(4) 1.3.1模糊集合(4) 1.3.2基于目标函数的模糊聚类(5) 1.3.3模糊判别分析(7) 1.4本章小结(8) 参考文献(8) 2模糊混合聚类模型(11) 2.1模糊聚类概述(11) 2.2联合模糊C均值聚类模型(12) 2.2.1MPCM模型(12) 2.2.2AFCM模型(13) 2.2.3MPCM和AFCM的对比实验(17) 2.3一种改进的可能模糊聚类算法(20) 2.3.1PCA算法及其存在的问题(20) 2.3.2改进的PCM与改进的PFCM(23) 2.3.3实验结果(27) 2.4基于聚类中心分离的可能模糊聚类模型(31) 2.4.1基于聚类中心分离的模糊C均值聚类(FCM_CCS)(31) 2.4.2基于聚类中心分离的可能聚类(PCM_CCS)(32) 2.4.3基于聚类中心分离的可能模糊聚类(PFCM_CCS)(33) 2.4.4实验结果(34) 2.5一种混合可能聚类算法(38) 2.5.1算法描述(38) 2.5.2实验结果(39) 2.6联合模糊熵聚类(40) 2.6.1算法描述(40) 2.6.2实验结果(42) 2.7本章小结(43) 参考文献(44) 3基于核的模糊聚类(46) 3.1核模糊聚类概述(46) 3.2基于核的修正可能C均值聚类(46) 3.2.1算法描述(46) 3.2.2实验结果(48) 3.3基于核的广义噪声聚类算法(50) 3.3.1GNC算法(50) 3.3.2KGNC算法(51) 3.3.3实验结果(53) 3.4基于核的可能模糊C均值聚类(55) 3.4.1算法描述(55) 3.4.2实验结果(56) 3.5基于核的聚类中心分离的模糊C均值聚类(57) 3.5.1算法描述(57) 3.5.2实验结果(58) 3.6基于核的类间分离聚类(58) 3.6.1算法描述(58) 3.6.2实验结果(60) 3.7本章小结(60) 参考文献(60) 4基于非欧氏距离的模糊聚类算法(63) 4.1引言(63) 4.2一种新的非欧氏距离(64) 4.3基于非欧氏距离可能模糊C均值聚类算法(65) 4.3.1可能模糊C均值聚类算法(65) 4.3.2APFCM算法(66) 4.3.3实验结果(67) 4.4基于非欧氏距离可能聚类算法(69) 4.4.1IPCM算法(69) 4.4.2AIPCM算法(70) 4.4.3实验结果(71) 4.5本章小结(73) 参考文献(74) 5基于核的模糊鉴别信息提取及分类(75) 5.1引言(75) 5.2基于核的模糊判别分析(KFDA)(76) 5.2.1KFDA算法(76) 5.2.2实验结果(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实验结果(81) 5.4模糊非相关判别转换(FUDT)及其核模型(82) 5.4.1非相关判别转换(UDT)(82) 5.4.2模糊非相关判别转换(FUDT)(84) 5.4.3基于核的模糊非相关判别分析(86) 5.4.4苹果近红外光谱的线性和非线性鉴别信息提取实验(88) 5.5基于核的模糊K近邻法(90) 5.5.1模糊K近邻法(90) 5.5.2基于核的模糊K近邻法(91) 5.5.3实验结果(92) 5.6本章小结(94) 参考文献(94) 6基于模糊协方差矩阵聚类的茶叶红外光谱分类(97) 6.1一种混合GK聚类(98) 6.1.1算法描述(98) 6.1.2实验结果(99) 6.2模糊协方差矩阵的可能模糊聚类(101) 6.2.1算法描述(102) 6.2.2实验结果(103) 6.3本章小结(104) 参考文献(105) 7苹果近红外光谱的模糊聚类分析(107) 7.1苹果近红外光谱检测研究(107) 7.1.1国外研究进展(108) 7.1.2国内研究进展(108) 7.2苹果近红外光谱模糊聚类(110) 7.2.1GK和GG模糊聚类(110) 7.2.2一种混合模糊类间分离聚类(111) 7.2.3实验结果(114) 7.3一种快速联合模糊C均值聚类(117) 7.3.1FAFCM聚类(117) 7.3.2实验结果(118) 7.4本章小结(120) 参考文献(121) 8茶叶傅里叶红外光谱模糊聚类分析(125) 8.1模糊鉴别C均值聚类(125) 8.1.1算法描述(125) 8.1.2实验结果(126) 8.2模糊鉴别学习矢量量化(129) 8.2.1算法描述(129) 8.2.2实验结果(130) 8.3一种广义噪声聚类(131) 8.3.1算法描述(131) 8.3.2实验结果(132) 8.4本章小结(134) 参考文献(135) 9模糊K调和均值聚类的近/中红外光谱分类(137) 9.1K调和均值聚类(137) 9.2广义模糊K调和均值聚类的近红外光谱生菜储藏时间鉴别(138) 9.2.1算法描述(138) 9.2.2实验结果(140) 9.3一种混合模糊K调和均值聚类(142) 9.3.1算法描述(144) 9.3.2实验结果(144) 9.4本章小结(145) 参考文献(146) 10模糊学习矢量量化模型(148) 10.1可能模糊学习矢量量化(148) 10.1.1算法描述(148) 10.1.2实验结果(149) 10.2无监督可能模糊学习矢量量化的近红外光谱生菜品种鉴别(150) 10.2.1算法描述(151) 10.2.2实验结果(152) 10.3一种基于优化的模糊学习矢量量化的苹果分类(155) 10.3.1算法描述(155) 10.3.2实验结果(156) 10.4联合模糊学习矢量量化(156) 10.4.1算法描述(156) 10.4.2实验结果(157) 10.5本章小结(157) 参考文献(158) |
精品新书
|
| ||||||
|
| ||||||
|
| ||||||
|
| ||||||
 |
 |
达尔|
孙吴县|
玉林市|
余庆县|
文山县|
通辽市|
图片|
油尖旺区|
万全县|
巫溪县|