| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 序言 | 第12-15页 |
| ·研究背景 | 第12-13页 |
| ·研究内容 | 第13-14页 |
| ·本文结构 | 第14-15页 |
| 第二章 聚类技术 | 第15-22页 |
| ·聚类概述 | 第15页 |
| ·聚类算法 | 第15-21页 |
| ·划分方法 | 第16-17页 |
| ·层次方法 | 第17-18页 |
| ·基于密度的方法 | 第18-19页 |
| ·基于网格的方法 | 第19-20页 |
| ·基于模型的方法 | 第20页 |
| ·算法比较 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 分层模糊最小-最大聚类算法 | 第22-39页 |
| ·引言 | 第22-23页 |
| ·模糊最小-最大聚类神经网络 | 第23-30页 |
| ·模糊超盒隶属度函数 | 第23-24页 |
| ·模糊最小-最大聚类算法 | 第24-28页 |
| ·模糊最小-最大聚类神经网络的实现 | 第28-30页 |
| ·分层模糊最小-最大聚类算法 | 第30-37页 |
| ·基本定义 | 第32-33页 |
| ·分层模糊最小-最大聚类算法 | 第33-35页 |
| ·实验及结果分析 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 分层模糊最小-最大聚类算法在图像聚类中的应用 | 第39-52页 |
| ·基于内容图像检索概述 | 第39-47页 |
| ·特征提取 | 第41-45页 |
| ·图像聚类 | 第45页 |
| ·系统介绍 | 第45-47页 |
| ·分层模糊最小-最大聚类算法在图像聚类中的应用 | 第47-51页 |
| ·特征提取 | 第47-49页 |
| ·性能评价 | 第49-50页 |
| ·实验结果 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间发表的论文 | 第59页 |