返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 模糊聚类算法及应用 蔡静颖 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 蔡静颖著
    • 出版社: 冶金工业出版社
    • 出版时间:2015-08-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 蔡静颖著
    • 出版社:冶金工业出版社
    • 出版时间:2015-08-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2015-08-01
    • 字数:129千字
    • 页数:131
    • 装帧:平装
    • 国别/地区:中国
    • 版权提供:冶金工业出版社

    模糊聚类算法及应用

    作  者:蔡静颖 著
    定  价:27
    出 版 社:冶金工业出版社
    出版日期:2015年08月01日
    页  数:131
    装  帧:平装
    ISBN:9787502470159
    主编推荐

    内容简介

    蔡静颖所著的《模糊聚类算法及应用》主要针对模糊聚类算法中最经典的FCM算法进行了系统分析,并对原始算法进行了改进,将经典的FCM算法和改进的FCM算法应用于图像识别、数据聚类和软件测试等不同领域。全书共分7章,第l章介绍了聚类分析发展背景和基础概念;第2章介绍了模糊理论基础知识及模糊聚类分析的方法和应用;第3章介绍了模糊c一均值算法的理论知识和研究现状以及目前存在的问题;第4章介绍了马氏距离的基本原理和处理方法;第5章介绍了马氏距离在模糊聚类中的应用;第6章介绍了基于优化KPCA特征提取的FCM算法;第7章介绍了FCM算法在软件测试的等价类划分方法中的应用。
    本书可供从事模式识别教学研究的师生、科研人员参考,也可供从事数据挖掘、图像识别、软件测试等工作的相关人员学习。

    作者简介

    精彩内容

    目录
    1 绪论
    1.1 聚类分析的概述
    1.2 聚类分析的基础概念
    1.2.1 聚类算法的主要类型
    1.2.2 聚类分析的相似度和相异度
    1.3 聚类分析算法
    1.3.1 聚类算法性能的衡量指标
    1.3.2 基于划分的聚类算法
    1.3.3 基于层次的聚类算法
    1.3.4 基于密度的聚类算法
    1.3.5 基于网格的聚类算法
    1.3.6 基于模型的聚类算法
    1.4 聚类分析算法面临的问题
    1.5 本章小结
    2 模糊理论基础
    2.1 模糊集的定义和表示方法
    2.1.1 模糊集的定义
    2.1.2 模糊集的表示方法
    2.2 模糊集的基本概念
    2.2.1 模糊集合的基本运算
    2.2.2 模糊集的性质
    2.2.3 隶属度函数
    2.3 模糊聚类分析
    2.3.1 模糊聚类分析步骤
    2.3.2 很好阈值A的确定
    2.4 模糊聚类分析应用
    2.5 本章小结
    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-均值聚类算法的研究现状
    3.3.1 模糊聚类目标函数的演化
    3.3.2 模糊聚类算法实现途径的研究
    3.3.3 模糊聚类有效性的研究
    3.4 模糊c一均值算法存在的问题
    3.5 本章小结
    4 马氏距离基本原理和处理方法
    4.1 马氏距离方法基本原理
    4.2 马氏距离中奇异问题的解决方法
    4.3 马氏距离的应用
    4.3.1 马氏距离在模式识别中的应用
    4.3.2 马氏距离在其他领域的应用
    4.4 本章小结
    5 马氏距离在模糊聚类中的应用
    5.1 基于马氏距离的FCM算法(F'CM―M)
    5.1.1 新算法提出
    5.1.2 实验结果及分析
    5.2 基于马氏距离特征加权的模糊距离新算法(MF―FCM)
    5.2.1 马氏距离特征加权新方法
    5.2.2 实验结果及分析
    5.3 基于马氏距离的模糊c一均值增量学习算法
    5.3.1 增量学习的研究背景和意义
    5.3.2 基于马氏距离的模糊c一均值增量学习算法概述
    5.3.3 算法应用举例
    5.4 马氏距离在模糊聚类中应用存在的问题
    5.5 本章小结
    6 基于优化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)简介
    6.1.2 核主元分析(KPCA)原理
    6.2 文化算法的原理
    6.3 KPCA算法的优化
    6.4 基于优化KPCA特征提取的FCM算法
    6.4.1 算法概述
    6.4.2 算法应用举例
    6.5 本章小结
    7 模糊聚类算法在软件测试中的应用
    7.1 软件测试方法
    7.1.1 测试分类
    7.1.2 本地化测试
    7.1.3 白盒测试
    7.1.4 黑盒测试
    7.1.5 静态测试和动态测试
    7.1.6 主动测试和被动测试
    7.2 软件缺陷与缺陷模式
    7.2.1 软件缺陷的类别
    7.2.2 软件缺陷的分类标准
    7.2.3 软件缺陷的构成
    7.2.4 软件缺陷的严重性和优先级
    7.2.5 软件缺陷的管理
    7.3 基于模糊c-均值的等价类划分法
    7.3.1 算法描述
    7.3.2 算法的实验验证
    7.4 本章小结
    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购