基于蚁群算法和粗糙集方法的聚类分析研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-11页 |
| ·研究的背景及意义 | 第7-8页 |
| ·发展现状及趋势 | 第8-10页 |
| ·论文研究内容与组织结构 | 第10-11页 |
| 第2章 粗糙集理论和蚁群算法的相关知识 | 第11-20页 |
| ·粗糙集的基本理论 | 第11-14页 |
| ·信息表知识表达系统 | 第11-12页 |
| ·上近似、下近似和粗糙集 | 第12-13页 |
| ·属性约简与核 | 第13页 |
| ·属性依赖度和属性重要度 | 第13-14页 |
| ·蚁群算法的理论基础 | 第14-19页 |
| ·蚁群算法的基本原理 | 第14-15页 |
| ·蚁群算法的基本模型及其实现 | 第15-17页 |
| ·蚁群算法的研究与应用 | 第17-18页 |
| ·蚁群算法存在的问题 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 图像分割与特征提取 | 第20-30页 |
| ·聚类简介 | 第20-22页 |
| ·聚类的定义 | 第21页 |
| ·聚类准则 | 第21-22页 |
| ·图像阈值分割 | 第22-25页 |
| ·直方图门限选择阈值 | 第23-24页 |
| ·半阈值选择分割 | 第24-25页 |
| ·图像的标识及特征提取 | 第25-27页 |
| ·图像的轮廓提取 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 聚类分析研究 | 第30-40页 |
| ·基于试探的未知类别聚类算法 | 第30-32页 |
| ·最邻近规则试探法 | 第30-31页 |
| ·最大最小距离算法 | 第31-32页 |
| ·层次聚类算法 | 第32-36页 |
| ·最短距离法 | 第32-33页 |
| ·最长距离法 | 第33页 |
| ·中间距离法 | 第33-34页 |
| ·重心法 | 第34-35页 |
| ·类平均距离法 | 第35-36页 |
| ·动态聚类算法 | 第36-39页 |
| ·K均值算法 | 第36-37页 |
| ·迭代自组织的数据分析算法(ISODATA) | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 粗糙集和蚁群算法在聚类分析中的应用研究 | 第40-49页 |
| ·问题提出 | 第40-41页 |
| ·基于粗糙集和蚁群算法的聚类分析模型 | 第41-43页 |
| ·图像特征提取 | 第41-42页 |
| ·转移规则和信息素更新策略 | 第42-43页 |
| ·基于正域关系的评价函数 | 第43页 |
| ·算法描述及流程图 | 第43-46页 |
| ·实验系统 | 第46-48页 |
| ·实验环境 | 第46页 |
| ·聚类效果 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 结论 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 攻读学位期间的研究成果 | 第53页 |
