学位论文 > 优秀研究生学位论文题录展示

空间信息处理中基于模糊技术的数学模型的改进

作　者: 倪雪
导　师: 李晓奇
学　校: 东北大学
专　业: 概率论与数理统计
关键词: 空间信息处理模糊模式识别聚类分析模糊神经网络
分类号: O159
类　型: 硕士论文
年　份: 2009年
下　载: 4次
引　用: 0次
阅　读: 论文下载

内容摘要

模糊技术作为解决事物不确定性分析的数学工具,在信息时代有着极为广泛的应用。针对空间信息运算量大、复杂等缺陷,本文从数据的提取方式以及模糊信息处理的数学模型着手,探索出了对于数据信息提取的新途径,有着极为广泛的应用范围。本文主要研究工作包括以下几个方面：第一部分：对模糊信息处理这门学科进行了详细的综述,阐述了这门学科的意义以及发展方向。第二部分：介绍了模糊数学的理论知识以及模糊神经网络的数学模型。第三部分：讨论了一种新型的模糊聚类与模糊识别数学模型。在空间信息中数据的聚类识别问题是首要解决的问题。本文优化了模糊聚类与模糊识别的数学模型,减少了主观因素对聚类中心选取的影响,大大提高了模型预测的精确度。第四部分：将模糊信息处理技术与模糊神经网络进行有机结合,改进了T-S逻辑模糊神经网络模型。针对已有模糊神经网络的模型收敛速度慢、全局逼近能力差等缺点并在研究了许多模糊神经网络结构的基础上,综合这些网络结构的优点,提出了一种结构简单、算法清晰的新型模糊神经网络模型,它具有收敛速度快、全局逼近能力强的特点。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-13
  1.1 引言  9
  1.2 模糊空间信息处理的现状以及发展趋势  9-10
  1.3 模糊模式识别与模糊神经网络概述  10-12
    1.3.1 模糊模式识别简介  10-11
    1.3.2 模糊信息处理与模糊神经网络  11-12
  1.4 论文研究的主要内容及论文的组织结构  12-13
第2章模糊数学理论基础知识  13-23
  2.1 模糊集合与模糊关系  13-15
    2.1.1 模糊集合的概念及其运算  13-14
    2.1.2 模糊关系  14-15
  2.2 模糊特征和模糊分类  15-16
  2.3 模糊关系与模糊矩阵  16-17
  2.4 模糊聚类  17-21
    2.4.1 模糊聚类统计量  17-18
    2.4.2 模糊聚类的传递闭包  18
    2.4.3 模糊聚类的图论法  18-19
    2.4.4 模糊聚类的ISODATA法  19-21
  2.5 模糊模式识别  21-23
    2.5.1 模糊模式识别的原则  21-22
    2.5.2 模糊模式识别的方法  22-23
第3章模糊神经网络理论  23-33
  3.1 模糊信息处理与神经网络  23-26
    3.1.1 模糊信息处理的神经网络方法  23
    3.1.2 基本模糊神经元与模糊神经网络  23-26
  3.2 模糊神经网络模型  26-28
  3.3 基于神经网络的模糊推理过程  28-33
    3.3.1 模糊推理的组成  29-30
    3.3.2 模糊推理的实现  30-31
    3.3.3 神经网络实现的模糊推理系统  31-33
第4章一种模糊聚类与模糊识别模型研究  33-41
  4.1 模糊Kohonen聚类算法  33-34
  4.2 模糊C均值聚类算  34-36
    4.2.1 HCM算法  34-35
    4.2.2 FCM算法  35-36
  4.3 一种模糊聚类与模糊识别模型改进  36-39
  4.4 模型的仿真实现  39-41
第5章基于模糊聚类的模糊神经网络模型的改进  41-49
  5.1 基于T-S模型的模糊神经网络  41-43
    5.1.1 模糊系统的T-S模型  41-42
    5.1.2 T-S模型的模糊神经网络  42-43
  5.2 改进的模糊C均值聚类  43-44
    5.2.1 聚类数目的确定  43-44
    5.2.2 初始聚类中心的选择  44
  5.3 新型的T-S逻辑模糊神经网络模型  44-46
    5.3.1 新型模糊神经网络的输入输出结构  45-46
    5.3.2 新型模糊神经网络的学习算法  46
  5.4 模型仿真实现  46-49
第6章总结与展望  49-51
  6.1 总结  49
  6.2 展望  49-51
参考文献  51-53
致谢  53-54
攻读学位期间发表的论文  54

空间信息处理中基于模糊技术的数学模型的改进

内容摘要

全文目录

相似论文