基于视觉的聚类算法研究及应用

摘要	第1-9页
ABSTRACT	第9-12页
第一章 绪论	第12-16页
·问题的提出	第12-13页
·国内外研究现状	第13-14页
·研究意义	第14-15页
·本文组织	第15-16页
第二章 聚类算法简介	第16-31页
·引言	第16-17页
·聚类分析数据类型	第17-19页
·数据矩阵	第17页
·相异度矩阵	第17-18页
·聚类分析数据类型	第18-19页
·聚类算法分类	第19-31页
·聚类算法分类	第19-23页
·数据挖掘领域中常用的聚类算法	第23-28页
·几种聚类算法比较	第28-31页
第三章 视觉系统的结构假设	第31-34页
·视觉理论	第31-32页
·Weber 定律	第32页
·视觉系统的结构显著性假设	第32-33页
·视觉系统的结构稳定性假设	第33-34页
第四章 基于视觉的尺度空间聚类算法	第34-42页
·尺度空间概念	第34-36页
·图像多尺度表示	第34-35页
·数值微分	第35-36页
·物理测量	第36页
·图像分析	第36页
·视网膜的生物模型	第36-37页
·视觉前端系统的尺度空间模型	第37-38页
·系统无倾向性	第37页
·低分辨结构由高分辨率结构决定	第37-38页
·尺度空间聚类原理	第38-39页
·尺度空间聚类算法	第39-42页
·尺度空间聚类算法介绍	第39-40页
·尺度空间聚类算法具体步骤	第40页
·尺度空间聚类算法优点	第40-42页
第五章 聚类有效性问题	第42-46页
·引言	第42-43页
·尺度空间聚类算法有效性	第43-46页
·数据是否有类可聚	第43-44页
·数据中存在多少类	第44页
·由算法得到的类是真实的吗	第44页
·那一个类是有效的	第44-46页
第六章 应用举例	第46-48页
第七章 总结	第48-49页
参考文献	第49-52页
攻读硕士学位期间发表的论文	第52-53页
致谢	第53页