模糊分类及其在光谱信息处理中的应用PDF电子书下载

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

2.2.1 MPCM模型 12

2.2.2 AFCM模型 13

2.2.3 MPCM和AFCM的对比实验 17

2.3 一种改进的可能模糊聚类算法 20

2.3.1 PCA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

3.3.1 GNC算法 50

3.3.2 KGNC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

4.3.2 APFCM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

4.4.1 IPCM算法 69

4.4.2 AIPCM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

5.2.1 KFDA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

7.2.1 GK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

7.3.1 FAFCM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

9.1 K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