| | | 模糊聚類算法及應用 | 該商品所屬分類:自然科學 -> 數學 | 【市場價】 | 243-353元 | 【優惠價】 | 152-221元 | 【介質】 | book | 【ISBN】 | 9787502470159 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
-
出版社:冶金工業
-
ISBN:9787502470159
-
作者:蔡靜穎
-
頁數:131
-
出版日期:2015-08-01
-
印刷日期:2015-08-01
-
包裝:平裝
-
開本:32開
-
版次:1
-
印次:1
-
字數:129千字
-
蔡靜穎所著的《模糊聚類算法及應用》重點分析了FCM算法和馬氏距離的基本原理,從而利用馬氏距離的優點來彌補FCM算法中存在的缺陷,並從兩個方面對FCM算法進行了改進。 本書還將FCM算法和KPCA方法結合,利用KPCA進行特征提取,然後利用FCM算法進行數據聚類分析。將FCM算法應用於軟件測試中是作者未來研究的重點,本書主要介紹了將FCM算法應用於等價類劃分方法中,每個應用在本書中都做了詳盡介紹。
-
蔡靜穎所著的《模糊聚類算法及應用》主要針對
模糊聚類算法中最經典的FCM算法進行了繫統分析,
並對原始算法進行了改進,將經典的FCM算法和改進
的FCM算法應用於圖像識別、數據聚類和軟件測試等
不同領域。全書共分7章,第l章介紹了聚類分析發展
背景和基礎概念;第2章介紹了模糊理論基礎知識及
模糊聚類分析的方法和應用;第3章介紹了模糊c一均
值算法的理論知識和研究現狀以及目前存在的問題;
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中的應用;第6章介紹了
基於優化KPCA特征提取的FCM算法;第7章介紹了FCM
算法在軟件測試的等價類劃分方法中的應用。
本書可供從事模式識別教學研究的師生、科研人
員參考,也可供從事數據挖掘、圖像識別、軟件測試
等工作的相關人員學習。
-
1 緒論 1.1 聚類分析的概述 1.2 聚類分析的基礎概念 1.2.1 聚類算法的主要類型 1.2.2 聚類分析的相似度和相異度 1.3 聚類分析算法 1.3.1 聚類算法性能的衡量指標 1.3.2 基於劃分的聚類算法 1.3.3 基於層次的聚類算法 1.3.4 基於密度的聚類算法 1.3.5 基於網格的聚類算法 1.3.6 基於模型的聚類算法 1.4 聚類分析算法面臨的問題 1.5 本章小結 2 模糊理論基礎 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 模糊集合的基本運算 2.2.2 模糊集的性質 2.2.3 隸屬度函數 2.3 模糊聚類分析 2.3.1 模糊聚類分析步驟 2.3.2 *佳閾值A的確定 2.4 模糊聚類分析應用 2.5 本章小結 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-均值聚類算法的研究現狀 3.3.1 模糊聚類目標函數的演化 3.3.2 模糊聚類算法實現途徑的研究 3.3.3 模糊聚類有效性的研究 3.4 模糊c一均值算法存在的問題 3.5 本章小結 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 馬氏距離中奇異問題的解決方法 4.3 馬氏距離的應用 4.3.1 馬氏距離在模式識別中的應用 4.3.2 馬氏距離在其他領域的應用 4.4 本章小結 5 馬氏距離在模糊聚類中的應用 5.1 基於馬氏距離的FCM算法(F'CM—M) 5.1.1 新算法提出 5.1.2 實驗結果及分析 5.2 基於馬氏距離特征加權的模糊距離新算法(MF—FCM) 5.2.1 馬氏距離特征加權新方法 5.2.2 實驗結果及分析 5.3 基於馬氏距離的模糊c一均值增量學習算法 5.3.1 增量學習的研究背景和意義 5.3.2 基於馬氏距離的模糊c一均值增量學習算法概述 5.3.3 算法應用舉例 5.4 馬氏距離在模糊聚類中應用存在的問題 5.5 本章小結 6 基於優化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算法的優化 6.4 基於優化KPCA特征提取的FCM算法 6.4.1 算法概述 6.4.2 算法應用舉例 6.5 本章小結 7 模糊聚類算法在軟件測試中的應用 7.1 軟件測試方法 7.1.1 測試分類 7.1.2 本地化測試 7.1.3 白盒測試 7.1.4 黑盒測試 7.1.5 靜態測試和動態測試 7.1.6 主動測試和被動測試 7.2 軟件缺陷與缺陷模式 7.2.1 軟件缺陷的類別 7.2.2 軟件缺陷的分類標準 7.2.3 軟件缺陷的構成 7.2.4 軟件缺陷的嚴重性和優先級 7.2.5 軟件缺陷的管理 7.3 基於模糊c-均值的等價類劃分法 7.3.1 算法描述 7.3.2 算法的實驗驗證 7.4 本章小結 參考文獻
| | | | | |