基于完全正分解的图像分割
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·背景和意义 | 第8-9页 |
| ·模式识别基本概念 | 第8页 |
| ·问题提出 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·CP 方法的发展 | 第9页 |
| ·模式识别在林业中的发展现状 | 第9-10页 |
| ·本文的主要研究内容 | 第10-12页 |
| 第二章 聚类分析 | 第12-31页 |
| ·概述 | 第12-13页 |
| ·聚类分析的概念 | 第12页 |
| ·聚类分析的应用 | 第12-13页 |
| ·图像及识别 | 第13-14页 |
| ·图像 | 第13页 |
| ·图像获取及识别 | 第13-14页 |
| ·图像特征及提取 | 第14-26页 |
| ·纹理特征 | 第14-20页 |
| ·灰度共生矩阵法 | 第16-19页 |
| ·小波分析法 | 第19-20页 |
| ·颜色特征 | 第20-23页 |
| ·颜色特征提取 | 第22-23页 |
| ·空间特征 | 第23-24页 |
| ·特征的整合 | 第24页 |
| ·特征降维 | 第24-26页 |
| ·相似性度量 | 第26-28页 |
| ·距离度量 | 第26-27页 |
| ·核函数 | 第27-28页 |
| ·聚类分析方法 | 第28-31页 |
| ·K 均值聚类 | 第28-29页 |
| ·层次聚类 | 第29-30页 |
| ·谱聚类 | 第30-31页 |
| 第三章 完全正矩阵及其分解 | 第31-34页 |
| ·非负矩阵简介 | 第31-32页 |
| ·CP 方法的概述 | 第32页 |
| ·CP 矩阵的{0,1}分解 | 第32-34页 |
| 第四章 完全正矩阵分解在聚类中的应用 | 第34-43页 |
| ·完全正矩阵分解与聚类 | 第34-37页 |
| ·核K 均值与非负矩阵分解 | 第35-36页 |
| ·谱聚类与非负矩阵分解 | 第36-37页 |
| ·相似度矩阵的CP 分解 | 第37-39页 |
| ·算法描述 | 第39页 |
| ·实验结果及分析 | 第39-43页 |
| 第五章 总结与展望 | 第43-45页 |
| ·总结 | 第43页 |
| ·展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 附录 | 第49-50页 |
| 导师简介 | 第50-51页 |
| 个人简介 | 第51-52页 |
| 致谢 | 第52页 |
