| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 国内外研究现状分析 | 第10-14页 |
| 1.2.1 传统的聚类方法 | 第10-12页 |
| 1.2.2 基于模糊理论和中智学集合的聚类方法 | 第12-14页 |
| 1.2.3 现有方法的缺陷 | 第14页 |
| 1.3 本文主要研究内容及组织结构 | 第14-16页 |
| 第2章 基于模糊理论与中智理论的聚类算法概述 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 基于模糊理论的聚类算法概述 | 第16-22页 |
| 2.2.1 模糊理论 | 第16页 |
| 2.2.2 模糊C-均值聚类算法 | 第16-18页 |
| 2.2.3 基于模糊理论的GMM算法 | 第18-22页 |
| 2.3 基于中智理论的聚类算法概述 | 第22-24页 |
| 2.3.1 中智集合理论 | 第22-23页 |
| 2.3.2 基于中智学理论的C均值算法 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于中智逻辑的高斯混合模型 | 第26-43页 |
| 3.1 引言 | 第26页 |
| 3.2 基于中智逻辑的高斯混合模型(NGMM)的设计与实现 | 第26-35页 |
| 3.2.1 主算法设计 | 第26-29页 |
| 3.2.2 F域设计 | 第29-30页 |
| 3.2.3 I域设计 | 第30-35页 |
| 3.3 实验结果 | 第35-42页 |
| 3.3.1 仿真数据集 | 第35-38页 |
| 3.3.2 UCI数据集分类实验 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于NGMM的前景提取算法 | 第43-50页 |
| 4.1 引言 | 第43页 |
| 4.2 基于NGMM的前景提取算法 | 第43-46页 |
| 4.2.1 基于像素的高斯混合模型介绍 | 第43-44页 |
| 4.2.2 自适应的GMM背景提取 | 第44-45页 |
| 4.2.3 基于NGMM的前景提取算法 | 第45-46页 |
| 4.3 实验结果及分析 | 第46-48页 |
| 4.3.1 实验数据集及评价标准 | 第46-47页 |
| 4.3.2 实验结果 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-59页 |
| 致谢 | 第59页 |