模糊聚类算法及应用【下载 pdf 百度网盘 epub 免费 2025 电子版 mobi 在线】

模糊聚类算法及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1 绪论1

1.1 聚类分析的概述1

1.2 聚类分析的基础概念3

1.2.1 聚类算法的主要类型4

1.2.2 聚类分析的相似度和相异度6

1.3 聚类分析算法8

1.3.1 聚类算法性能的衡量指标8

1.3.2 基于划分的聚类算法9

1.3.3 基于层次的聚类算法11

1.3.4 基于密度的聚类算法13

1.3.5 基于网格的聚类算法14

1.3.6 基于模型的聚类算法15

1.4 聚类分析算法面临的问题16

1.5 本章小结17

2 模糊理论基础19

2.1 模糊集的定义和表示方法19

2.1.1 模糊集的定义19

2.1.2 模糊集的表示方法21

2.2 模糊集的基本概念22

2.2.1 模糊集合的基本运算22

2.2.2 模糊集的性质23

2.2.3 隶属度函数24

2.3 模糊聚类分析26

2.3.1 模糊聚类分析步骤26

2.3.2 最佳阈值λ的确定30

2.4 模糊聚类分析应用32

2.5 本章小结36

3 模糊c－均值算法及分析38

3.1 硬c－均值算法38

3.2 模糊c－均值算法39

3.3 模糊c－均值聚类算法的研究现状41

3.3.1 模糊聚类目标函数的演化41

3.3.2 模糊聚类算法实现途径的研究45

3.3.3 模糊聚类有效性的研究47

3.4 模糊c－均值算法存在的问题48

3.5 本章小结52

4 马氏距离基本原理和处理方法54

4.1 马氏距离方法基本原理55

4.2 马氏距离中奇异问题的解决方法55

4.3 马氏距离的应用57

4.3.1 马氏距离在模式识别中的应用57

4.3.2 马氏距离在其他领域的应用58

4.4 本章小结58

5 马氏距离在模糊聚类中的应用59

5.1 基于马氏距离的FCM算法（FCM－M）59

5.1.1 新算法提出59

5.1.2 实验结果及分析61

5.2 基于马氏距离特征加权的模糊距离新算法（MF－FCM）65

5.2.1 马氏距离特征加权新方法66

5.2.2 实验结果及分析67

5.3 基于马氏距离的模糊c－均值增量学习算法68

5.3.1 增量学习的研究背景和意义69

5.3.2 基于马氏距离的模糊c－均值增量学习算法概述74

5.3.3 算法应用举例75

5.4 马氏距离在模糊聚类中应用存在的问题76

5.5 本章小结77

6 基于优化KPCA特征提取的FCM算法79

6.1 核主元分析（KPCA）的原理79

6.1.1 主元分析（PCA）简介79

6.1.2 核主元分析（KPCA）原理80

6.2 文化算法的原理82

6.3 KPCA算法的优化85

6.4 基于优化KPCA特征提取的FCM算法86

6.4.1 算法概述86

6.4.2 算法应用举例87

6.5 本章小结88

7 模糊聚类算法在软件测试中的应用90

7.1 软件测试方法90

7.1.1 测试分类90

7.1.2 本地化测试92

7.1.3 白盒测试93

7.1.4 黑盒测试100

7.1.5 静态测试和动态测试109

7.1.6 主动测试和被动测试110

7.2 软件缺陷与缺陷模式111

7.2.1 软件缺陷的类别111

7.2.2 软件缺陷的分类标准112

7.2.3 软件缺陷的构成115

7.2.4 软件缺陷的严重性和优先级118

7.2.5 软件缺陷的管理122

7.3 基于模糊c－均值的等价类划分法123

7.3.1 算法描述124

7.3.2 算法的实验验证126

7.4 本章小结128

参考文献130