模糊聚类分析及其应用

　　第1章  绪论
　　1.1  模糊数学的产生和发展
　　1.2  信息科学与模式识别
　　1.3  模式识别与模糊聚类
　　1.4  模糊聚类研究的意义
　　1.5  模糊聚类的应用
　　1.5.1  模糊聚类在模式识别中的应用
　　1.5.2  模糊聚类在图像处理中的应用
　　第2章  模糊理论基础
　　2.1  普通集合
　　2.1.1  集合的表示方法
　　2.1.2  特殊集合
　　2.1.3  集合的运算
　　2.2  模糊集合
　　2.2.1  模糊集合的表示方法
　　2.2.2  特殊模糊集合
　　2.2.3  模糊集合的运算及性质
　　2.3  分解定理与扩展原理
　　2.3.1  α截集
　　2.3.2  分解定理
　　2.3.3  扩展原理
　　2.4  模糊数及其扩展运算
　　2.4.1  凸模糊集
　　2.4.2  模糊数
　　2.5  模糊关系
　　2.5.1  关系的基本知识
　　2.5.2  模糊关系
　　2.5.3  模糊关系的合成
　　2.5.4  模糊关系的性质
　　2.6  模糊语言与模糊逻辑
　　2.6.1  语言变量
　　2.6.2  模糊命题与蕴含式
　　2.6.3  模糊推理
　　2.7  模糊不确定性度量
　　2.7.1  模糊集的模糊性度量
　　2.7.2  模糊事件的概率
　　第3章  可能性理论基础
　　3.1  可能性分布的概念
　　3.2  可能性测度
　　3.3  可能性分布与模糊集
　　3.4  多元可能性分布
　　第4章  聚类分析
　　4.1  聚类分析的概况
　　4.1.1  聚类分析的基本概念
　　4.1.2  聚类分析的数学模型
　　4.1.3  聚类分析的分类
　　4.2  谱系聚类方法
　　4.3  基于等价关系的聚类方法
　　4.4  图论聚类方法
　　第5章  基于目标函数的模糊聚类分析
　　5.1  数据集的c划分
　　5.2  聚类目标函数
　　5.3  模糊c均值聚类算法
　　5.4  模糊c均值类型聚类算法的研究现状
　　5.4.1  糊模聚类目标函数的演化
　　5.4.2  模糊聚类算法实现途径的研究
　　5.4.3  模糊聚类有效性的研究
　　5.5  存在的问题及本书的研究内容
　　第6章  模糊聚类神经网络
　　6.1  自适应矢量量化聚类网络
　　6.1.1  c均值聚类算法回顾
　　6.1.2  AVQ聚类和c均值聚类的等效关系
　　6.2  通用c均值类型聚类网络的设计
　　6.2.1  网络结构模型
　　6.2.2  模糊竞争学习算法
　　6.2.3  实验结果与分析
　　6.3  基于模糊逻辑神经元的聚类网络
　　6.3.1  模糊逻辑聚类神经元网络的结构
　　6.3.2  网络学习算法
　　6.3.3  竞争学习算法中的死点问题
　　6.3.4  实验结果与分析
　　第7章  模糊聚类的遗传算法
　　第8章  聚类原型初始化方法
　　第9章  聚类有效性分析
　　第10章  聚类趋势分析
　　第11章  区间值数据聚类算法及其推广
　　第12章  模糊聚类分析的应用
　　展望
　　参考文献

　　模糊聚类分析是非监督模式识别的重要分支，在模式识别、数据挖掘、计算机视觉以及模糊控制等领域具有广泛的应用，也是近年来得到迅速发展的一个研究热点。本书系统地论述了基于目标函数模糊聚类的基本理论、方法，以及现存的许多开放性的问题与初步的研究成果，主要内容有：模糊数学与可能性理论基础，谱系聚类、基于等价关系的聚类和图论聚类方法，c均值类型的基于目标函数的模糊聚类方法及存在的问题，模糊聚类神经网络，模糊聚类遗传算法和进化策略，模糊聚类的原型初始化方法，模糊聚类的有效性分析，模糊聚类的聚类趋势分析，区间值数据的模糊聚类分析及其推广，以及模糊聚类在图像分割和模式识别中的应用。
　　本书可以作为理工科大学计算机、自动控制、信号与信息处理、电路与系统、系统工程等专业的博士生、硕士生及高年级本科生的教材，同时对有关领域的研究人员和工程技术人员也有重要的参考价值。